文献类型：期刊文章

作　　者：司凯凯[1] 汪传建[2] 赵庆展[1] 杨启原[1] 任媛媛[1] 袁盼丽[1]

SI Kaikai;WANG Chuanjian;ZHAO Qingzhan;YANG Qiyuan;REN Yuanyuan;YUAN Panli(College of Information Science and Technology/Geospatial Information Engineering Research Center,Shihezi University,Shihezi,Xinjiang 832003,China;School of Internet,Anhui University,Hefei,Anhui 230039,China)

机构地区：[1]石河子大学信息科学与技术学院/兵团空间信息工程技术研究中心,新疆石河子832003 [2]安徽大学互联网学院,安徽合肥230039

出　　处：《石河子大学学报（自然科学版）》

基　　金：国家重点研发计划项目(2017YFB0504203)。

年　　份：2022

卷　　号：40

期　　号：5

起止页码：639-647

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：棉花是我国最重要的经济作物之一,其快速准确的提取是有效管理棉田信息的关键。针对高分辨率遥感影像获取不易,数据常有缺失,作物生长期遥感影像利用不充分的问题。本文基于深度学习方法,使用棉花生长周期内4月至10月的遥感卫星影像,探究遥感影像单个时相及其时相组合的数据对棉花提取的影响。通过Deeplabv3+模型对研究区各个时相的遥感影像的棉花分别进行提取,并使用分段函数评估模型对提取效果进行快速比较,按此结果排列出适合棉花提取的单时相遥感影像,依次加入到Deeplabv3+模型中,得到该模型下的遥感影像棉花提取结果最优时相组合为6月、7月、8月和10月,该组合下棉花提取准率Precision、Recall、F1指数、IoU指数分别为0.93、0.93、0.94、0.87,同时,并基于该结果与SegNet,U-Net两种模型相比,准确度分别高出18%和8%,能够明显减少与非棉花耕地的错分情况,对棉田的边缘恢复较好,该结果可以在棉花遥感数据不足及快速提取时提供参考。

关 键 词：深度学习  Deeplabv3+  Sentinel-2影像  棉花提取  语义分割  

分 类 号：TP97[自动化类]