摘要
针对海水养殖区具有类型多样(筏式养殖、围海养殖、网箱养殖等)、差异较小和难以实现高精度分类提取的问题,本文将空洞金字塔卷积模块与U-Net神经网络模型融合,提出一种适用于海水养殖区的多分类提取方法。首先,采用变差函数分析方法发现不同类别的海水养殖区的变差函数波形与基台值的差异;其次,定义一种相仿于变差函数搜索域的不同扩张率空洞卷积并联的卷积结构,用其替换U-Net模型中普通卷积结构,构建ASP-U-Net模型;最后,为验证采用ASP-U-Net模型的海水养殖区分类提取能力,选取7景我国高分1/2号卫星影像为数据源,相较于经典FCN、SegNet、PspNet和经典UNet模型,ASP-U-Net模型对海洋养殖区的分类提取在多种指标下均最优,这说明使用提出的卷积结构能够有效扩大感受野,更适合于多类海水养殖区的特征表达。
- 单位