典型文献
基于SE-UNet的冬小麦种植区域提取方法
文献摘要：
传统的小麦面积提取方法主要依靠人工野外调查,存在工作量大、效率低、成本高等问题,而遥感技术具有准确、快速和动态等优点,已成为作物面积提取的有效手段.本文以石家庄市正定县各镇的Landsat-8卫星遥感影像为训练数据,藁城区增村镇影像为测试数据,并分别选取分辨率8 m的高分六号(GF-6)以及分辨率10 m的哨兵二号(Sentinel-2)作为对比验证数据,提出了一种改进U-Net网络的冬小麦种植区域提取方法.首先,对Landsat-8遥感影像进行预处理,标注小麦区域制作标签集,其次,在U-Net网络中添加Squeeze and excitation(SE)注意力机制模块融入特征通道间信息,并利用Batch normalization(BN)层抑制过拟合问题;最后,经过Softmax分类器得到分类结果.选择SegNet、Deeplabv3+、U-Net作为对比模型,分别利用GF-6、Sentinel-2和Landsat-83种数据构建预测模型.结果表明,SE-UNet网络在基于Landsat-8数据预测模型下测试数据集表现最优,MPA和MIoU分别达到89.88％和81.44％.本方法可为大范围冬小麦种植区提取提供参考.
文献关键词：
冬小麦;种植区域;提取方法;遥感影像;SE-UNet;注意力机制
中图分类号：
作者姓名：
赵晋陵;詹媛媛;王娟;黄林生
作者机构：
安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心,合肥230601;安徽大学电子信息工程学院,合肥230601
文献出处：
引用格式：
[1]赵晋陵;詹媛媛;王娟;黄林生-.基于SE-UNet的冬小麦种植区域提取方法)[J].农业机械学报,2022(09):189-196
A类：
B类：
SE,UNet,冬小麦种植,种植区域,区域提取,面积提取,野外调查,遥感技术,石家庄市,正定县,各镇,Landsat,卫星遥感影像,训练数据,藁城区,村镇,测试数据,取分,高分六号,GF,哨兵二号,Sentinel,对比验证,标签集,Squeeze,excitation,注意力机制模块,Batch,normalization,BN,过拟合,Softmax,分类器,SegNet,Deeplabv3+,对比模型,数据预测,MPA,MIoU
AB值：
0.364702
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
