买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：云南大学

摘要：本发明公开了基于面向对象与深度学习的GF‑2影像林窗提取方法，首先利用隶属度函数的面向对象分类法对研究区林窗进行提取，然后对结果进行精度验证后转化为索引图，制作深度学习模型训练所需的林窗样本标签数据集。第三步是对比PSPNet模型和DeepLabv3+模型对林窗识别的性能和准确度，最后，综合考虑对PSPNet模型进行改进，使用的方法是用轻量化网络MobileNetV2替换参数量大的ResNet50，为模型加入FocalLoss损失函数，加入CBAM注意力机制模块并对模型的结构进行优化。结果表明，该方法能提升模型识别林窗的效率和准确率。此方法针对目前使用遥感技术手段对林窗进行大范围识别研究较少的问题，该方法可有效完成基于高分辨遥感影像的林窗识别工作。

主权项：1.基于面向对象与深度学习的GF-2影像林窗提取方法，其特征在于，包括以下步骤：1数据预处理：对数据进行辐射定标，几何精度校正和大气校正；2建立基于多层次分类体系的面向对象分类；2.1确定最优分割尺度参数：用eCognition软件的ESP2插件结合RMAS值法确定研究区不同地类最有分割尺度参数，建立多层次分类体系；2.2选择对象分类特征：根据影像光谱、形状、纹理特征，优选特征进行地物分类；2.3建立模糊分类规则集：在优选的光谱、形状、纹理特征基础上，根据影像各地类特点建立模糊分类规则集，完成林窗识别工作；3构建林窗样本数据集：对面向对象方法识别的林窗结果人工校正后转化为索引图，滑动窗口切割成256*256像素的林窗样本，保证上下文语义信息完整；4样本数据增广：由于林窗样本数据没有公开数据集，需自己制作，且林窗在森林系统中分布较少，为防止模型训练过拟合需要增加数据集数量；5训练PSPNet、DeepLabv3+模型识别林窗：通过自己制作的样本数据集训练语义分割模型，从林窗提取精度和模型性能方面比较模型；6基于改进的PSPNet模型识别林窗；6.1骨干网络优化MobileNetV2：为提高模型运算速度，用轻量级网络MobileNetV2替换原本参数量大的ResNet50网络；6.2损失函数改进：在模型训练过程中为防止林窗正样本和背景信息负样本数量上的不平衡，引入FocalLoss函数通过对正样本和负样本施加不同的权重进行权衡；6.3CBAM注意力机制模块：对特征图先施加通道注意力机制在此基础上施加空间注意力机制，使模型注意到林窗边缘细节信息；6.4模型结果优化及改进：模型结果优化及改进：对改进的PSPNet模型，进行4次上采样，将深层信息与浅层信息进行4次连接，最大程度利用浅层信息，提高分类精度。

全文数据：

权利要求：

百度查询： 云南大学 基于面向对象与深度学习的GF-2影像林窗提取方法