基于SF-Unet的高分辨率耕地遥感影像分割 |
| |
引用本文: | 秦伦明,凌雪海,邹钰洁,龚杨洋,边后琴,王悉.基于SF-Unet的高分辨率耕地遥感影像分割[J].无线电工程,2024(5):1197-1204. |
| |
作者姓名: | 秦伦明 凌雪海 邹钰洁 龚杨洋 边后琴 王悉 |
| |
作者单位: | 1. 上海电力大学电子信息工程学院;2. 国网上海市电力公司闸北发电厂;3. 北京交通大学电子信息工程学院 |
| |
基金项目: | 国家自然科学基金面上项目(62073024)~~; |
| |
摘 要: | 利用深度学习实现遥感影像耕地区域自动化检测,取代人工解译,能有效提升耕地面积统计效率。针对目前存在分割目标尺度大且连续导致分割区域存在欠分割现象,边界区域情况复杂导致边缘分割困难等问题,提出了语义分割算法——Swin Transformer, TransFuse and U-Net (SF-Unet)。为强化网络不同层次特征提取和信息融合能力,提升边缘分割性能,使用U-Net网络替代TransFuse网络中的ResNet50模块;将Vision Transformer (ViT)替换为改进后的Swin Transformer网络,解决大区域的欠分割问题;通过注意力机制构建的Fusion融合模块将2个网络输出特征进行融合,增强模型对目标的语义表示,提高分割的精度。实验表明,SF-Unet语义分割网络在Gaofen Image Dataset (GID)数据集上的交并比(Intersection over Union, IoU)达到了90.57%,分别比U-Net和TransFuse网络提升了6.48%和6.09%,明显提升了耕地遥感影像分割的准确性。
|
关 键 词: | 耕地遥感影像 语义分割 卷积神经网络 Swin Transformer |
|
|