基于遥感影像和卷积神经网络的农田及道路信息提取

陈理;杨广;刘名洋;周宇光

中国农业大学工学院

摘  要：

为对农用地(耕地)遥感影像中道路和农田信息进行精确高效的提取,采用卷积神经网络(CNN)的方法,以河北省献县某乡冬小麦种植田为研究区,建立"道路-背景"和"农田-背景"2个高精度遥感影像数据集,构建基于MobileNet v1 的 U-Net、SegNet、PSPNet、DeepLab v3+和基于 MobileNet v2 的 DeepLab v3+共 5 种 CNN 语义分割模型,进行道路和农田提取试验;在模型训练前后加入迁移学习、图像拼接和模型融合3种策略.结果表明:1)在2个数据集上,基于 MobileNet v1的U-Net和基于MobileNet v1的SegNet 2种模型的识别率和稳定性最佳;2)在提取道路和农田时,融合后模型的平均交并比值分别为0.853 3和0.956 8;3)对预测图进行后处理,可以为路径规划和作物秸秆产量计算等研究提供道路拓扑图和农田预测图.

关键词：道路和农田提取;遥感影像;深度学习;卷积神经网络;语义分割;图像处理