以廣西桂林會仙國家濕地公園核心區(qū)為研究區(qū),結合SegNet和低空無人機影像,構建會仙巖溶濕地地物信息提取模型,探討多分類SegNet模型與融合單分類和雙分類SegNet模型分類結果的差別,分析epoch參數(shù)設置對模型分類精度的影響。研究結果表明,多分類SegNet模型對會仙巖溶濕地地物的分類結果的Kappa系數(shù)和F1分數(shù)分別為0.59和0.67,融合單分類和雙分類SegNet模型分類結果的Kappa系數(shù)和F1分數(shù)分別為0.68和0.79;與多分類SegNet模型分類結果精度相比,融合多個單分類和雙分類SegNet模型分類結果的F1分數(shù)明顯增大。因此,融合多個單分類和雙分類的SegNet模型更適用于提取會仙巖溶濕地地物信息;構建更優(yōu)的會仙巖溶濕地地物提取SegNet模型,設置epoch值為10相對更合適。 

【文章來源】：濕地科學. 2020年04期 北大核心

【文章頁數(shù)】：11 頁

【部分圖文】：

研究區(qū)位置示意圖

研究區(qū)數(shù)字正射影像(a)和真實標簽數(shù)據(jù)圖(b)

圖2 研究區(qū)數(shù)字正射影像(a)和真實標簽數(shù)據(jù)圖(b)利用數(shù)碼相機，多角度拍攝每種地物；同時，利用亞米級手持GPS，記錄各個樣本點的地理坐標。實地調查時間與影像拍攝時間同步。本研究將研究區(qū)無人機正射影像和標簽數(shù)據(jù)以3∶1的比例分為Seg Net模型的訓練(train)影像集和驗證(validation,VAL)影像集。

【參考文獻】：
期刊論文
[1]基于深度學習的無人機土地覆蓋圖像分割方法[J]. 劉文萍,趙磊,周焱,宗世祥,駱有慶.  農業(yè)機械學報. 2020(02)
[2]SegNet在工件表面缺陷檢測中的應用[J]. 郭亞萍,顧智聰,彭宏京.  計算機工程與設計. 2019(10)
[3]基于多頻率極化SAR影像的洪河國家級自然保護區(qū)植被信息提取[J]. 付波霖,李穎,張柏,何宏昌,高二濤,范冬林,楊高.  濕地科學. 2019(02)
[4]基于SegNet語義模型的高分辨率遙感影像農村建設用地提取[J]. 楊建宇,周振旭,杜貞容,許全全,尹航,劉瑞.  農業(yè)工程學報. 2019(05)
[5]無人機在農業(yè)中的應用現(xiàn)狀與展望[J]. 陳鵬飛.  浙江大學學報(農業(yè)與生命科學版). 2018(04)
[6]基于決策樹的洪湖水生植物遙感信息提取[J]. 張瑩瑩,蔡曉斌,宋辛辛,索江瑞,王智,厲恩華,王學雷.  濕地科學. 2018(02)
[7]一種改進的卷積神經網(wǎng)絡SAR目標識別算法[J]. 許強,李偉,占榮輝,鄒鯤.  西安電子科技大學學報. 2018(05)
[8]廣西會仙濕地魚類多樣性[J]. 黃健,胡祎祥,黃亮亮,吳志強,封文利,尹超,徐莉.  濕地科學. 2017(02)
[9]鄱陽湖南磯濕地景觀信息高分辨率遙感提取[J]. 方朝陽,鄔浩,陶長華,高丹,周華.  地球信息科學學報. 2016(06)
[10]巖溶濕地分類系統(tǒng)研究[J]. 馬祖陸,蔡德所,蔣忠誠.  廣西師范大學學報(自然科學版). 2009(02)



本文編號：2939395