高分二号遥感影像提取冬小麦空间分布

发布时间：2021-03-27 05:46

　　精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙。本文以高分二号遥感影像为数据源,选择冬小麦为提取目标,利用RefineNet模型和最大后验概率模型构建冬小麦遥感提取模型WWRSE（Winter Wheat Remote Sensing Extraction）,获取精细的冬小麦空间分布数据。WWRSE模型利用RefineNet网络提取像素的语义特征,使用改进的SoftMax模型生成像素的类别概率向量;以类别概率向量的最大分量与次大分量的差值作为置信度,根据置信度将类别概率向量分为可信和不可信两组,可信组直接使用最大分量对应的类别标签作为相应像素的分类结果;结合最大后验概率模型确定不可信组像素的分类结果。利用随机梯度法对WWRSE模型进行训练。选择SegNet、DeepLab、RefineNet作为对比模型进行实验,WWRSE提取结果的精度为92.9%,比SegNet提高了13.8%,比DeepLab提高了10.9%,比RefineNet提高了8.... 

【文章来源】：遥感学报. 2020,24(05)北大核心EICSCD

【文章页数】：13 页

【部分图文】：

山东省济南市章丘区

利用ENVI(Environment for Visualizing Images）软件对获取的GF-2图像进行预处理，预处理步骤包括：大气校正、几何校正、使用Pan Sharpening方法对全色光谱和多光谱波段进行融合；将对比度拉伸生成彩色增强的合成图像等。融合后得到的图像共4个波段，空间分辨率为1 m，像素值为表观反射率，所有的4个波段都作为WWRSE的输入。2.4 数据集制作

图3给出了WWRSE模型的结构。WWRSE共分为5个部分，分别是：输入、特征提取器、SoftMAX-Ex、MAP和输出。在训练阶段，输入由遥感图像块和相应的标记文件组成；而在测试阶段，输入仅为遥感图像块；输出结果是一个单波段文件，每个像素的值为输入图像块相应像素的类别号，在本文中，使用100表示冬小麦类别，使用200表示其他类别。3.1.1 特征提取器

【参考文献】：
期刊论文
[1]统计数据总量约束下全局优化阈值的冬小麦分布制图[J]. 郭文茜,任建强,刘杏认,陈仲新,吴尚蓉,潘海珠.  遥感学报. 2018(06)
[2]特征提取策略对高分辨率遥感图像场景分类性能影响的评估[J]. 钱晓亮,李佳,程塨,姚西文,赵素娜,陈宜滨,姜利英.  遥感学报. 2018(05)
[3]基于GF-1影像NDVI年度间相关分析的冬小麦面积变化监测[J]. 王利民,刘佳,姚保民,季富华,杨福刚.  农业工程学报. 2018(08)
[4]基于改进多元纹理信息模型和GF-1影像的县域冬小麦面积提取[J]. 游炯,裴志远,王飞,吴全,郭琳.  农业工程学报. 2016(13)
[5]基于深度学习的高分辨率遥感影像分类研究[J]. 刘大伟,韩玲,韩晓勇.  光学学报. 2016(04)
[6]典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例[J]. 赵理君,唐娉.  遥感学报. 2016(02)
[7]基于时间序列MODISNDVI的冬小麦产量预测方法[J]. 黄健熙,罗倩,刘晓暄,张洁.  农业机械学报. 2016(02)
[8]基于最大后验概率-马尔科夫随机场的二进制体数据优化[J]. 陈俊杰,金小刚.  计算机辅助设计与图形学学报. 2015(07)
[9]融合像素—多尺度区域特征的高分辨率遥感影像分类算法[J]. 刘纯,洪亮,陈杰,楚森森,邓敏.  遥感学报. 2015(02)
[10]遥感大数据自动分析与数据挖掘[J]. 李德仁,张良培,夏桂松.  测绘学报. 2014(12)

硕士论文
[1]京津冀地区冬小麦面积估算和旱情遥感监测研究[D]. 孙振蓉.北京林业大学 2015



本文编号：3103001