留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

联合多尺度注意力机制与边缘约束的SPOT7影像林地提取方法

任诗曼 朱军 方铮 李闯农 梁策 谢亚坤 李维炼 张天奕

任诗曼, 朱军, 方铮, 李闯农, 梁策, 谢亚坤, 李维炼, 张天奕. 联合多尺度注意力机制与边缘约束的SPOT7影像林地提取方法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210251
引用本文: 任诗曼, 朱军, 方铮, 李闯农, 梁策, 谢亚坤, 李维炼, 张天奕. 联合多尺度注意力机制与边缘约束的SPOT7影像林地提取方法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210251
REN Shiman, ZHU Jun, FANG Zheng, LI Chuangnong, LIANG Ce, XIE Yakun, LI Weilian, ZHANG Tianyi. Woodland Extraction of SPOT7 Image Based on Multi-scale Attention Mechanism and Edge Constraint[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210251
Citation: REN Shiman, ZHU Jun, FANG Zheng, LI Chuangnong, LIANG Ce, XIE Yakun, LI Weilian, ZHANG Tianyi. Woodland Extraction of SPOT7 Image Based on Multi-scale Attention Mechanism and Edge Constraint[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210251

联合多尺度注意力机制与边缘约束的SPOT7影像林地提取方法

doi: 10.13203/j.whugis20210251
基金项目: 

四川省自然资源厅项目(KJ-2020-4);国家自然科学基金(U2034202, 41871289);四川省科技计划资助(2020JDTD0003)。

详细信息
    作者简介:

    任诗曼,硕士生,主要从事遥感图像信息提取研究。E‑mail:rensm9604@163.com

Woodland Extraction of SPOT7 Image Based on Multi-scale Attention Mechanism and Edge Constraint

Funds: 

Project of Department of Natural Resources of Sichuan Province(KJ-2020-4)

  • 摘要: 林地是国家重要的自然资源和经济资源,掌握林地分布状况对林地资源调查管理具有重要意义。针对传统林地提取方法精度较低且边界不规则的问题,本文设计一种联合多尺度注意力机制与边缘约束的林地提取方法,首先,构建一种端到端的多尺度注意力神经网络模型,充分提取影像中林地的上下文特征,对不同尺度下的林地进行语义描述,实现高精度的林地像素级表达;其次,构建边缘约束规则,对提取结果进行边界优化,提高林地提取结果的可读性。为证明方法的有效性,以四川省绵阳市三台县作为试验区,建立数据集并进行林地提取试验,结果显示,本文方法提取的精确度为81.9%,召回率为75.6%,F1为78.1%,交并比为64.2%。结果证明,本文方法在遥感影像林地提取应用上具有更好的效果。
  • [1] Cheng K, Wang J. Forest Type Classification Based on Integrated Spectral-spatial-temporal Features and Random Forest Algorithm-A Case Study in the Qinling Mountains[J]. Forests, 2019, 10(7)
    [2] Kim C, Hong S. The Characterization of a Forest Cover through Shape and Texture Parameters from QuickBird Imagery[C]. IEEE International Geoscience and Remote Sensing Symposium, 2008, 3:692-695
    [3] Long J, Shelhamer E, Darrell T. Fully Convolutional Networks for Semantic Segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 39(4):640-651
    [4] Kattenborn T, Leitloff J, Schiefer F, et al. Review on Convolutional Neural Networks (CNN) in Vegetation Remote Sensing[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2021, 173:24-49
    [5] Huang B, Zhao B, Song Y. Urban Land-use Mapping Using a Deep Convolutional Neural Network with High Spatial Resolution Multispectral Remote Sensing Imagery[J]. Remote Sensing of Environment, 2018, 214:73-86
    [6] Schiefer F, Kattenborn T, Frick A, et al. Mapping Forest Tree Species in High Resolution UAVBased RGB-imagery by Means of Convolutional Neural Networks[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 170:205-215
    [7] Gui Y, Li W, Wang Y, et al. Woodland Detection Using Most-sure Strategy to Fuse Segmentation Results of Deep Learning[C]. IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 2019:1-4
    [8] He K, Zhang X, Ren S, et al. Deep Residual Learning for Image Recognition[C]. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016:770-778
    [9] Ronneberger O, Fischer P, Brox T. U-Net:Convolutional Networks for Biomedical Image Segmentation[J]. Medical Image Computing and Computer-Assisted Intervention (MICCAI), 2015, 9351:234-241
    [10] Xie S, Girshick R, Dollár P, et al. Aggregated Residual Transformations for Deep Neural Networks[C]. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017:5987-5995
    [11] Woo S, Park J, Lee J Y, et al. CBAM:Convolutional Block Attention Module[C]. European Conference on Computer Vision (ECCV), 2018:3-19
    [12] Lin T, Dollár P, Girshick R, et al. Feature Pyramid Networks for Object Detection[C]. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017:936-944
  • [1] 梁烽, 张瑞祥, 柴英特, 陈金勇, 茹国宝, 杨文.  一种结合上下文与边缘注意力的SAR图像海陆分割深度网络方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20210078
    [2] 眭海刚, 黄立洪, 刘超贤.  利用具有注意力的Mask R-CNN检测震害建筑物立面损毁 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20200158
    [3] 呙维, 彭旭, 刘异, 朱欣焰.  边缘约束下的分形网络分割算法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20170262
    [4] 周亚男, 骆剑承, 程熙, 沈占锋.  多特征融入的自适应遥感影像多尺度分割 . 武汉大学学报 ● 信息科学版,
    [5] 林雪原, 刘磊.  多传感器组合导航系统的多尺度分布式滤波算法 . 武汉大学学报 ● 信息科学版,
    [6] 李宇, 王宏琦, 孙显.  利用多尺度语义模型的复杂图像目标自动提取方法 . 武汉大学学报 ● 信息科学版,
    [7] 赵彬彬, 邓敏, 徐震, 刘慧敏.  多尺度地图面目标匹配的统一规则研究 . 武汉大学学报 ● 信息科学版,
    [8] 陈炳文, 王文伟, 梅天灿, 秦前清.  利用比例分解和嵌套窗口进行彩色图像边缘提取 . 武汉大学学报 ● 信息科学版,
    [9] 张倩, 黄昕, 张良培.  多尺度同质区域提取的高分辨率遥感影像分类研究 . 武汉大学学报 ● 信息科学版,
    [10] 夏林元, 肖俊, 林丽群.  基于边缘的多尺度立体匹配算法 . 武汉大学学报 ● 信息科学版,
    [11] 刘爱平, 刘忠, 付琨, 尤红建.  一种有效的高分辨率SAR目标特征提取与识别方法 . 武汉大学学报 ● 信息科学版,
    [12] 林丽群, 舒宁, 龚龑, 肖俊.  基于像斑的多光谱影像跨尺度分类研究 . 武汉大学学报 ● 信息科学版,
    [13] 牛方曲, 甘国辉, 程昌秀, 祁铮.  矢量数据多尺度显示中的关键技术 . 武汉大学学报 ● 信息科学版,
    [14] 杨必胜, 孙丽.  导航电子地图的自适应多尺度表达 . 武汉大学学报 ● 信息科学版,
    [15] 蒋志勇, 陈晓玲, 秦前清, 陈楚群.  基于重构的多尺度目标提取与分割 . 武汉大学学报 ● 信息科学版,
    [16] 潘俊, 王密.  多尺度的DMC彩色合成影像辐射再处理方法 . 武汉大学学报 ● 信息科学版,
    [17] 蔡剑红, 李德仁.  多尺度下的不确定性空间方向锥形模型研究 . 武汉大学学报 ● 信息科学版,
    [18] 刘艳芳.  多尺度耕地供需动态平衡模式研究 . 武汉大学学报 ● 信息科学版,
    [19] 韦豪东, 易尧华, 余长慧, 林立宇.  融合注意力与序列单元的文本超分辨率 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20220158
    [20] 高贤君, 冉树浩, 张广斌, 杨元维.  基于多特征融合与对象边界联合约束网络的建筑物提取 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20210520
  • 加载中
计量
  • 文章访问数:  105
  • HTML全文浏览量:  16
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-12-19
  • 网络出版日期:  2022-07-26

联合多尺度注意力机制与边缘约束的SPOT7影像林地提取方法

doi: 10.13203/j.whugis20210251
    基金项目:

    四川省自然资源厅项目(KJ-2020-4);国家自然科学基金(U2034202, 41871289);四川省科技计划资助(2020JDTD0003)。

    作者简介:

    任诗曼,硕士生,主要从事遥感图像信息提取研究。E‑mail:rensm9604@163.com

摘要: 林地是国家重要的自然资源和经济资源,掌握林地分布状况对林地资源调查管理具有重要意义。针对传统林地提取方法精度较低且边界不规则的问题,本文设计一种联合多尺度注意力机制与边缘约束的林地提取方法,首先,构建一种端到端的多尺度注意力神经网络模型,充分提取影像中林地的上下文特征,对不同尺度下的林地进行语义描述,实现高精度的林地像素级表达;其次,构建边缘约束规则,对提取结果进行边界优化,提高林地提取结果的可读性。为证明方法的有效性,以四川省绵阳市三台县作为试验区,建立数据集并进行林地提取试验,结果显示,本文方法提取的精确度为81.9%,召回率为75.6%,F1为78.1%,交并比为64.2%。结果证明,本文方法在遥感影像林地提取应用上具有更好的效果。

English Abstract

任诗曼, 朱军, 方铮, 李闯农, 梁策, 谢亚坤, 李维炼, 张天奕. 联合多尺度注意力机制与边缘约束的SPOT7影像林地提取方法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210251
引用本文: 任诗曼, 朱军, 方铮, 李闯农, 梁策, 谢亚坤, 李维炼, 张天奕. 联合多尺度注意力机制与边缘约束的SPOT7影像林地提取方法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210251
REN Shiman, ZHU Jun, FANG Zheng, LI Chuangnong, LIANG Ce, XIE Yakun, LI Weilian, ZHANG Tianyi. Woodland Extraction of SPOT7 Image Based on Multi-scale Attention Mechanism and Edge Constraint[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210251
Citation: REN Shiman, ZHU Jun, FANG Zheng, LI Chuangnong, LIANG Ce, XIE Yakun, LI Weilian, ZHANG Tianyi. Woodland Extraction of SPOT7 Image Based on Multi-scale Attention Mechanism and Edge Constraint[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210251
参考文献 (12)

目录

    /

    返回文章
    返回