农业机械学报

作者：沈瑜，苑玉彬，彭静，陈小朋，杨倩

单位：兰州交通大学,兰州交通大学,兰州交通大学,兰州交通大学,兰州交通大学,

关键词：河流提取;寒旱区;深度学习;遥感影像

基金：国家自然科学基金项目(61861025、61663021、61761027、51669010)、长江学者和创新团队发展计划项目(IRT_16R36)和兰州市人才创新创业项目(2018-RC-117)

寒旱区河流提取对该地区生态环境监测、农业规划、灾害预警等具有重要意义。根据寒旱区特点制作了面向寒旱区遥感影像河流识别的专业数据集；为了提高网络的识别准确率，融合迁移学习与深度学习，将ResNet50网络迁移到Linknet网络，得到R-Linknet网络；为了提取到更多的细节信息和增加提取河流的连贯性，将密集空间金字塔池化与R-Linknet网络相结合，扩大网络的感受野；训练时，将Dice系数损失函数与二分类交叉熵函数相结合，作为新的损失函数。数据集验证结果表明，本文提出的方法与多种语义分割网络相比，像素准确率较FCN_8s、ResNet50、DeeplabV3、Unet和原始Linknet网络分别提高0.216、0.099、0.031、0.056和0.023，交并比分别提高0.19、0.142、0.056、0.105和0.028；加入Dense ASPP之后，像素准确率提高0.023，交并比提高0.050，采用新的损失函数进行训练后，像素准确率和交并比又分别提高0.019和0.022。该方法提取到的河流更加清晰、连贯，能够满足后续的研究需求。

来源：2020年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第7期