农业机械学报

作者：李旭青，张秦雪，安志远，金永涛，张秦浩，丁晖

单位：北华航天工业学院;河北省航天遥感信息处理与应用协同创新中心,北华航天工业学院;河北省航天遥感信息处理与应用协同创新中心,北华航天工业学院;河北省航天遥感信息处理与应用协同创新中心,北华航天工业学院;河北省航天遥感信息处理与应用协同创新中心,北京电子工程总体研究所,北华航天工业学院;河北省航天遥感信息处理与应用协同创新中心,

关键词：冬小麦;自动解译;可变形全卷积神经网络;GF-2

基金：河北省青年科学基金项目（D2018409029）、河北省高等学校科学技术研究青年拔尖人才项目（BJ2020056）、河北省高等学校科学技术研究重点项目（ZD2016126）、高分专项省（自治区）域产业化应用项目（67-Y20A07-9002-15/18）和河北省研究生创新项目（CXZZSS2019156）

以高分二号遥感影像为研究对象进行冬小麦多元特征的提取，在U-Net模型基础上进行改进，将一种可变形全卷积神经网络（DFCNN）模型引入到遥感影像自动解译领域。为提高网络模型对几何变化特征的提取能力，引入可变形卷积的思想，将可训练的二维偏移量加入到网络中的每个卷积层前，使卷积产生形变，并获得对象级语义信息，从而增强了模型对不同尺寸及空间分布的冬小麦特征的表达。使用DFCNN模型对数据集进行训练及微调，得到最优的网络模型，其像素精度为98.1%，解译时间为0.630s。采用FCNN模型、U-Net模型及RF算法得到的冬小麦自动解译像素精度分别为89.3%、93.9%、90.0%，说明基于DFCNN模型的冬小麦自动解译精度相对较高，且对复杂的几何变化特征有较好的表达，具有较好的泛化能力。

来源：2020年第9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9期