基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别

作者：刘世川; 王庆^*; 唐晴; 刘浪; 何辉羽; 芦佳飞; 戴秀清

来源：林业工程学报, 2022, 7(01): 177-184.

DOI：10.13360/j.issn.2096-1359.202011015

• 松材线虫病
• 光谱特征
• 高分辨率影像
• 影像识别
• 空间特征

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,提出一种基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别方法。该方法首先在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,取特征权重前8个特征进行病树识别,发现选择差值植被指数DVI(difference vegetation index)、OHTA颜色模型的I2和I3分量作为病树与非病树的光谱特征较为合适,再运用DBscan空间聚类算法对光谱特征识别结果进行聚类,得到疑似病树像元集,此多特征识别方法识别病树的平均检测准确率为78.23%。以VGG(visual geometry group network)神经网络模型作为参考,建立VGG-S(simplification,即针对松材线虫病树进行简化)和VGG-A(attention module,即结合注意力机制)神经网络,并将人工判读生成的病树样本集和非病树样本集作为其训练样本。用以上两种不同的方法对疑似病树像元集进行识别,其中VGG-S平均检测准确率为82.61%,VGG-A的平均检测准确率为85.45%。结果表明,采用多特征和VGG-A相结合的方法在高分辨率遥感影像上识别松材线虫病树识别准确率更高。

• 单位
  长江大学