基于条形卷积和上下文感知的近海水产养殖提取方法OA北大核心CSTPCD
利用中等分辨率遥感影像,针对近海养殖区边界模糊、筏式和网箱养殖存在类间干扰等现象,以ResUnet模型为基础,提出一种带有条形卷积模块和上下文感知单元的MSUResUnet模型,以提高模型的特征提取能力,改善近海水产养殖提取任务中出现的漏提和粘连等问题.模型中利用条形池化模块增强编码层与解码层信息的交互,引入条形卷积模块增强对水产养殖线性特征的捕捉能力,通过增加上下文感知单元获取水产养殖区丰富的多尺度上下文信息.在Sentinel-2 MSI数据上的实验结果表明,参与比对的6个模型中,MSUResUnet模型精度最优,其Kappa系数、 MIoU、 OA和F1分数分别达到了89.17%、 84.33%、 96.38%和91.19%;MSUResUnet在养殖较密集的兴化湾、三沙湾和罗源湾附近海域均获得较高精度,具有较强的特征提取和抗干扰能力,能够满足高精度的大范围中等分辨率影像近海水产养殖信息提取需求.
吴婷;陈红梅;罗冬莲;陈芸芝;
福州大学数字中国研究院(福建),福建福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心,福建福州350108福建省水产研究所,福建厦门361006
测绘与仪器
筏式和网箱养殖深度学习ResUnet模型多方向条形卷积上下文感知单元
《福州大学学报(自然科学版)》 2024 (001)
P.37-44 / 8
福建省自然科学基金资助项目(2022J01111);福建省水产研究所科技引领专项资助项目(2022KJYL03)。
评论