基于改进SegNet模型的冬小麦种植分布提取OA
针对轻量化SegNet模型在遥感影像中对于小目标和图像边缘分割精度不够理想的问题,提出了LRL-SegNet模型,以实现对零散分布冬小麦的精确提取。该模型在每个解码器模块后连接一个局部关系层(LRL),通过卷积和ReLU激活加强特征表达能力。利用两种模型对石家庄市冬小麦进行提取,结果表明LRL-SegNet模型的精度比SegNet模型提高了1.2%。在大范围均匀种植的冬小麦区域内,两种模型均能较好地提取冬小麦区域,但在零散种植区域,LRL-SegNet模型能更完整地提取冬小麦区域,减少内部细小分割现象,分割结果更具一致性和空间连贯性。LRL的引入有效增强了模型对复杂种植环境中冬小麦区域的区分能力,使提取结果更精确。
曹俊涛;李亚强;孟成真;常宇飞;权畅;赵春雷
河北省气象科学研究所,河北石家庄050021 河北省气象与生态环境重点实验室,河北石家庄050021 中国气象局雄安大气边界层重点开放实验室,河北雄安新区071800河北省气象科学研究所,河北石家庄050021 河北省气象与生态环境重点实验室,河北石家庄050021河北省气象科学研究所,河北石家庄050021 河北省气象与生态环境重点实验室,河北石家庄050021河北省气象科学研究所,河北石家庄050021 河北省气象与生态环境重点实验室,河北石家庄050021河北省气象科学研究所,河北石家庄050021 河北省气象与生态环境重点实验室,河北石家庄050021河北省气象科学研究所,河北石家庄050021 河北省气象与生态环境重点实验室,河北石家庄050021
天文与地球科学
深度学习冬小麦种植分布SegNetLRL
《地理空间信息》 2026 (7)
P.92-95,4
河北省气象局青年基金资助项目(23ky05)。
评论