科研之友
微信
新浪微博
Facebook
分享链接
摘要
城市植被在城市环境中起着举足轻重的作用，高效、准确的城市被信息提取是目前亟需解决的任务之一。针对研究中U-Net网络存在的深度较浅使得植被细节特征遗漏，小数量植被样本造成网络拟合表现不佳以及大量参数导致的网络运算负担过重等问题，本文在U-Net网络的基础上，利用可分离卷积、批量标准化层、Tanh激活函数，设计提出了一种Sep-UNet网络。基于GF-1D高分遥感影像，结合Sep-UNet与植被在近红外波段上最具标志性的光谱反射特性，进行了高分遥感影像城市植被信息提取的研究。结果表明：(1)标准假彩色样本集的植被提取模型精度最佳，NDVI样本集次之，真彩色波段的最差；(2) Sep-UNet在验证样本集中提取城市植被信息的各项精度指标(ACC:0.9576,IOU:0.8938,Recall:0.9549)均优于U-Net(ACC:0.9389,IOU:0.7593,Recall:0.9405)，且明显优于SegNet (ACC:0.8897,IOU:0.8019,Recall:0.8867)，这表明本文做出的网络优化有利于城市植被信息的提取并取得了更好的精度；(3) Sep-UNet模型在公园、建筑、云雾、城郊场景的植被提取结果表示，模型在验证样本集之外的影像上同样能够很好地执行城市植被信息的提取，近红外波段的引入也使得Sep-UNet模型具备更好的迁移性和泛化性。
- 单位
