基于改进UNet网络的耕地变化检测方法研究.pdf
《基于改进UNet网络的耕地变化检测方法研究.pdf》由会员分享,可在线阅读,更多相关《基于改进UNet网络的耕地变化检测方法研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、76测绘第46 卷第2 期2 0 2 3年4月基于改进 UNet 网络的耕地变化检测方法研究詹必伟1唐小丽1何奕萱陈绍根1臧广义黎浩许(1.成都市规划编制研究和应用技术中心,四川成都6 10 0 41;2.航天宏图信息技术股份有限公司,北京10 0 19 5)摘要自动提取耕地变化检测信息对耕地保护具有重要意义。常用的人工判读方式对遥感影像进行解译获取耕地变化信息具有较高准确性,但会耗费大量人力资源且效率低,而传统差值法、对象法、机器学习等方法虽能提高解译速度,但精度难以保证。本文利用深度学习神经网络模型对遥感影像进行自动化智能解译,通过在光谱维上叠加不同时相遥感影像,快速提取高精度耕地变化信息
2、,为实现自动化耕地智能变化检测提供更为高效的方法。以浙江省部分地区高分二号遥感影像为实验数据,采用U-Net语义分割网络进行耕地变化自动化提取检测,实验结果表明该方法较人工判读和传统检测方法具有更高的效率与精度。关键词深度学习;U-Net;变化检测;遥感;耕地中图分类号P237Research of Farmland Change Detection Technology Based onZHAN Bi-wei TANG Xiao-li HE Yi-xuan CHEN Shao-gen ZANG Guang-yi LI Hao-xu文献标识码 AImprovement U-Net文章编号】16
3、 7 4-50 19(2 0 2 3)0 2-0 0 7 6-0 41引言提取遥感影像中耕地变化信息能够为耕地的监督提供数据支持,对耕地保护具有重要意义。其中变化检测是对不同时相遥感影像进行对比分析,从而确定地表各地物类型的特征及变化信息的过程 2 。常用的人工判读方式对遥感影像进行解译获取耕地变化信息能够得到较高精度的结果,但会耗费大量人力资源且效率低,而传统差值法、对象法、机器学习等方法虽能提高解译速度,但精度难以保证。近年来,随着遥感技术的不断发展,遥感影像的变化检测方法也不断更新优化,变化检测最小单元由像元转变为对象级别。例如Shackelford等采用面向对象法提取高分辨率遥感影像中
4、的地物要素特征,Bouziani等采用面向对象分析法提取规则建筑物的变化信息,对新增建筑与拆除建筑检测效果明显 4。研究方法上由传统的人工判读方式转变为支持向量机、决策树再到基于深度学习分类方法。李智宇等采用支持向量机的方法对不同时相的数据进行分类,对比分类结果获取耕地变化信息 5。Jan Stefanski 等首先对五个时相的Landsat数据进行超像素分割,采用决策树方法分类,通过各时相影像中地物要素的变化情况来获得土地利用的变化信息。高峰等结合深度学习FCN语义分割网络对耕地进行提取分类,再利用分类后结果提取变化信息 7。这些方法大多采用先分割分类再差值提取变化结果的模式,这种模式过程繁
5、琐、效率低下,检测结果高度依赖于分割分类结果的精度,差值方法会进一步放大分割结果的误差使变化检测结果误差更高。本文以深度学习技术为基础,通过在光谱维上叠加不同时相遥感影像,基于resnet残差网络与注意力机制构建U-Net深度网络模型,将具有耕地变化特征信息的区域作为一类地物进行训练,实现对耕地变化区域的端到端直接提取,快速获得高精度耕地变化信息。2研究区与数据集2.1 研究区浙江省位于东南沿海,介于东经118 0 112310、北纬2 7 0 2 3111之间,地势由西南向东北倾斜,具有山地、丘陵、平坦地、河流、湖泊多种地貌特征。浙江省属于亚热带季风气候,年平均气温1518 C,年均降水量为
6、16 0 0 ml左右。本研究选取浙江省杭州、嘉兴、湖州三个区域部分地区作为研究区域,面积约150 0 km,研究区内主要耕地作物为水稻,多为水田、旱地混杂。2.2数据源及预处理本次耕地变化检测使用的训练数据和测试数据为2 0 19年、2 0 2 0 年高分二号可见光遥感影像,其空间分辨率为2 m。影像的真值采用自行标注,将其裁剪X测绘第46 卷第2 期2 0 2 3年4月为512 X512大小的切片影像块,共459 6 幅样本。这些样本按8:1:1被划分训练集、验证集与测试集。影像区域地物主要包括耕地、城镇建筑、村镇建筑、水田等。见图1。图1浙江省实验数据3研究方法本文采用基于U-Net深度
7、学习神经网络进行耕地变化信息的提取。首先对校正配准后的遥感影像进行耕地变化区域标注,利用U-Net卷积神经网络对标注样本集进行网络训练,经过卷积特征提取获得不同层次的耕地变化信息,计算每个像素属于变化类别的概率值,通过标注真值和概率值计算损失函数,迭代更新,得到精度最优模型。预测阶段,首先滑窗读取待测两时相影像,叠加后得到变化区域,通过腐蚀、膨胀等后处理方法去除由像素分割造成的碎小图斑,得到最终变化检测结果,并转为矢量文件输出。技术流程如图2 所示。已有地形图数据变化检测样本生产一样本入库变化检测样本库耕地变化检测模型训练训练样本验证样本773.1 U-net 网络本文采用U-Net网络结构具
8、有编码通道和解码通道。编码通道是典型的卷积神经网络特征提取结构,通过重复采用卷积、池化等操作对输出的图像进行特征提取。每经过一次卷积操作,特征图的通道数将增加一倍,网络可以从多个层次提取图像的特征。而每经过一次池化,特征图的尺寸大小将变为原来的一半,池化操作降低网络的复杂程度,有利于网络提取影像的深层纹理特征。在解码通道通过不断重复反卷积与上采样操作,得到与原始输入图像大小一致的结果图的过程,每进行一次反卷积运算的特征图,与其对应的编码通道得到的特征图进行拼接,再进行上采样,使最终结果与输入图像尺寸一致,然后利用Softmax损失函数逐像素计算损失值,在保留原始图像空间信息的情况下,对每个像素
9、产生一个预测值,判断是否属于耕地变化区域并确定变化区域位置。3.2模型优化3.2.1 ResNet34残差结构在卷积网络中引入ResNet34残差结构,是这一层残差块的输入,也称作为残差,为输入值,是经过第一层线性变化并激活后的输出。在残差网络中,第二层进行线性变化之后激活之前,加入了这一层输入值,然后再进行激活后输出(见图3)。在第二层输出值激活前加入,这条路径称作shortcut连接。残差结构使得网络层数增加时,网络性能也不会显著下降,可以有效缓解深层网络训练时的退化问题。Xweight layerF(x)reluweight layer卫星遥感数据F(x)+xTrelu图3残差结构示意3
10、.2.2注意力机制在神经网络中引入注意力机制,通过一系列的注耕地变化检测模型验证意力分配系数,也就是一系列权重参数,可以用来强调或选择目标处理对象的重要信息,并且抑制一些无耕地变化检测模型优化关的细节信息 1-1。在所有输入信息上计算注意力分布,注意力分布表示输入信息中每个信息与特定目标耕地变化检测模型模型入库深度学习模型库图2 地物分类流程identity地物的相关程度,再根据注意力分布计算输入信息的加权平均得到Attention值(见图4)(2 。3.3网络参数设置本次耕地变化检测实验中学习率的初始值设置为0.0 0 0 2,模型根据学习率调整网络权重的参数,采用Adam自适应梯度更新方式
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 UNet 网络 耕地 变化 检测 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。