基于可变形全卷积神经网络的冬小麦自动解译研究

发布时间：2021-03-23 20:03

　　以高分二号遥感影像为研究对象进行冬小麦多元特征的提取,在U-Net模型基础上进行改进,将一种可变形全卷积神经网络（DFCNN）模型引入到遥感影像自动解译领域。为提高网络模型对几何变化特征的提取能力,引入可变形卷积的思想,将可训练的二维偏移量加入到网络中的每个卷积层前,使卷积产生形变,并获得对象级语义信息,从而增强了模型对不同尺寸及空间分布的冬小麦特征的表达。使用DFCNN模型对数据集进行训练及微调,得到最优的网络模型,其像素精度为98.1%,解译时间为0.630 s。采用FCNN模型、U-Net模型及RF算法得到的冬小麦自动解译像素精度分别为89.3%、93.9%、90.0%,说明基于DFCNN模型的冬小麦自动解译精度相对较高,且对复杂的几何变化特征有较好的表达,具有较好的泛化能力。 

【文章来源】：农业机械学报. 2020,51(09)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

大厂回族自治县行政区划示意图

本文设计的DFCNN模型由23个卷积层(C1～C23)、4个池化层(P1～P4)、4个上采样层(UP1～UP4)组成，并在每个卷积层后加入可变形卷积模块，整个网络结构如图2所示。3 实验与结果分析

环境复杂的测试影像(图4a)中存在大面积的建筑、裸地、道路、坑塘等背景地物，可用于验证DFCNN模型的鲁棒性。针对与冬小麦颜色特征相近的坑塘地物，FCNN模型(图4b)出现了严重的误分情况;具有更深网络层次的U-Net模型(图4c)明显减少了易混淆特征对分类的影响，但是从整幅影像上看仍存在大量的“椒盐”噪声;RF算法(图4d)在一定程度上降低了“椒盐”噪声，但目标地物的边界识别效果还不够理想;DFCNN模型(图4e)对冬小麦的识别效果最优，边界更为平滑，对于易混淆地物也具有较强的识别能力。本文将统计的像素精度、平均像素精度结果及训练性能和本文模型(DFCNN)的结果进行对比，结果如表1所示。由表1可知，FCNN模型的像素精度偏低，为89.3%，其分割结果出现了坑塘地物误分情况，说明其提取的冬小麦特征鲁棒性差，容易受到混淆地物的影响。具有更深层网络及特征叠加的U-Net像素精度明显提升，为93.9%，但是其预测结果依然会出现“椒盐”噪声，冬小麦边界分割不平滑。加入可变形卷积模块的DFCNN像素精度最高，为98.1%，噪声明显降低，且冬小麦边界更为平滑，说明可训练的偏移量有助于冬小麦几何变化特征的充分表达。

【参考文献】：
期刊论文
[1]随机森林回归模型的悬浮泥沙浓度遥感估算[J]. 方馨蕊,温兆飞,陈吉龙,吴胜军,黄远洋,马茂华.  遥感学报. 2019(04)
[2]田间作物NDVI测量仪可靠性分析及标定环境研究[J]. 杨钧森,杨贵军,徐波,张凯选,杨小冬,李振海,李贺丽,杨浩,韩亮.  农业工程学报. 2019(08)
[3]基于可见光图像和卷积神经网络的冬小麦苗期长势参数估算[J]. 马浚诚,刘红杰,郑飞翔,杜克明,张领先,胡新,孙忠富.  农业工程学报. 2019(05)
[4]基于卷积神经网络的冬小麦麦穗检测计数系统[J]. 张领先,陈运强,李云霞,马浚诚,杜克明.  农业机械学报. 2019(03)
[5]PCA和布谷鸟算法优化SVM的遥感矿化蚀变信息提取[J]. 吴一全,盛东慧,周杨.  遥感学报. 2018(05)
[6]东北黑土区侵蚀沟遥感影像特征提取与识别[J]. 于佩鑫,周询,刘素红,王西凯.  遥感学报. 2018(04)
[7]面向空间自相关信息的高光谱图像分类方法[J]. 廖建尚,王立国.  农业机械学报. 2018(06)
[8]基于MODIS-EVI及物候差异免阈值提取黄淮海平原冬小麦面积[J]. 张莎,张佳华,白雲,姚凤梅.  农业工程学报. 2018(11)
[9]基于高光谱成像技术的小麦条锈病病害程度分级方法[J]. 雷雨,韩德俊,曾庆东,何东健.  农业机械学报. 2018(05)
[10]基于可变形卷积神经网络的图像分类研究[J]. 欧阳针,陈玮.  软件导刊. 2017(06)



本文编号：3096344