基于改进残差网络的橡胶林卫星影像语义分割方法

作     者：余果 刘秋斌 陈方园 刘大召 Yu Guo;Liu Qiubin;Chen Fangyuan;Liu Dazhao

作者机构：广东海洋大学电子与信息工程学院湛江524003 广东省海洋遥感与信息技术工程技术研究中心湛江524003 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2022年第38卷第15期

页      面：204-211页

核心收录：

学科分类：0710[理学-生物学] 0810[工学-信息与通信工程] 08[工学] 0708[理学-地球物理学] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 0805[工学-材料科学与工程（可授工学、理学学位）] 0901[农学-作物学] 081002[工学-信号与信息处理] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：广东省自然科学基金(2019A1515110840)。 

主　　题：遥感 深度学习 橡胶林 语义分割 残差网络 

摘      要：为进一步提升现有基于残差的分割模型在测试集上的信息提取能力和验证改进残差优化策略普适性及实现橡胶卫星影像的更优分割,该研究提出了一种通用改进残差策略,以哨兵-2多光谱卫星影像为数据源构建数据集,并使用改进后残差网络ResNet50_ve作为OCRNet模型的骨干网络,实现基于变种残差网络的OCRNet模型(ResNet-ve-OCRNet),使用在ImageNet1k分类数据集上蒸馏好的学生模型作为预训练模型参与ResNet-ve-OCRNet模型的训练。研究结果表明使用层数中等的基于50层残差网络在小尺度卫星影像训练集上各指标收敛效果优于较深层数的101层残差网络,与DeeplabV3、DeeplabV3+、PSPNet模型相比,以ResNet50_ve为骨干网络的OCRNet在验证集上的平均交并比达到0.85,像素准确率达到97.87%,卡帕系数达到0.90。该研究提出的改进残差策略具有一定的普适性可应用到众多主流分割模型上且有评价指标性能增益,从预测图来看,基于改进残差网络(ResNet-ve)的模型抑制了在测试集预测图上的上下文信息缺失问题,能够实现橡胶林卫星影像的更优精确分割。