基于改进U-net网络的树种精细分类

作     者：蔡玉林 高洪振 范晓乐 徐慧宇 刘正军 张庚 

作者机构：山东科技大学测绘与空间信息学院 中国测绘科学研究院 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年

核心收录：

学科分类：0810[工学-信息与通信工程] 07[理学] 08[工学] 081002[工学-信号与信息处理] 0713[理学-生态学] 

主　　题：无人机 高光谱数据 激光雷达数据 深度学习 U-net网络 注意力机制 树种分类 

摘      要：树种分类对全球生态环境和森林管理具有重要意义。本文通过改进现有的深度学习网络，提出了一种结合机载高分辨率的高光谱数据和激光雷达数据进行树种精细分类的新方法。首先对不同数据源进行特征提取和融合，然后在U-Net网络的基础上，通过增加通道注意力机制模块，自适应地调整不同特征的权重，构建了CA-Unet分类网络；最后，通过修改CA-Unet以适应样本不平衡的分类情况，尝试解决小样本物种识别精度低的问题。研究结果表明1) CA-Unet网络表现良好，总体分类准确率达到96.80%。与FCN、SegNet和U-Net网络相比，其分类准确率分别提高了8.56%、11.99%和3.31%，而且网络的收敛速度更快。2)采用基于类样本量平衡的交叉熵损失函数替换CA-Unet网络中的原始损失函数，可以提高样本量较少的树种的分类精度。论文提出的方法对于小尺度的林业应用，例如果园管理、城市森林调查以及森林多样性调查等，具有重要参考价值。