基于改进U-Net的遥感影像城镇绿地提取

摘要：

针对传统分类方法在高分遥感影像城镇绿地提取效果不理想的问题,提出了一种改进的语义分割模型U-Net来更加高效精准地提取城镇绿地区域.使用高分二号影像制作样本数据集,同时对U-Net网络模型改进,采用不同深度的ResNet作为其主干网络提取图像的语义信息,另外加入了注意力机制模块,细化提取的特征图,提高网络的分类性能.实验结果表明:对比经典语义分割网络SegNet、PSPNet、U-Net,加入注意力机制Res-UNet在预测效果和评价指标均有提升,表现最好的是Res152-UNet,其PA值为90.53,MIoU值为80.06,预测效果图接近人工标注.改进U-Net模型能够高效地对遥感影像信息进行识别提取,得到高精度的提取结果,该方法对于高分遥感影像城镇绿地提取具有一定应用意义.

关键词：遥感影像分割、城镇绿地、U-Net、ResNet、注意力机制

所属期刊栏目：38

分类号：TP75(遥感技术)

资助基金：国家自然科学基金;河北省自然科学基金

在线出版日期：2023-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：33-39