【技术实现步骤摘要】
基于改进U
‑
net网络的无人机麦田遥感图像分割方法
[0001]本专利技术属于农业遥感图像分割领域,尤其是一种基于改进U
‑
net网络的无人机麦田遥感图像分割方法。
技术介绍
[0002]小麦是世界三大主要粮食作物之一,同时也是我国第二大粮食作物。作为世界最大的小麦生产国,小麦在我国国民经济发展中占据了重要地位。如何准确并快速地对小麦进行估产,对于保障粮食安全和相关产业地发展都具有巨大现实意义。传统的作物估产工作需要投入大量的人力物力,还会造成一定程度上的田间破坏以及人为计算误差,因此寻求一种高效、准确且无损的估产方法是十分必要的。为了更好地进行小麦估产,首要解决的就是麦田图像的分割问题。
[0003]近年来,随着遥感和图像处理技术的快速发展,基于遥感图像进行小麦估产成为研究热点。随着精准农业不断发展,通过大尺度卫星遥感图像对农作物进行田块级估产,精度不能满足需求,而最新的无人机遥感技术,为田块级、高精度小麦估产带来了希望。尽管深度学习技术在农业领域已有较多研究和应用,但其效果仍有很大局限性。由于大田小麦环境复杂,实际小麦遥感图像存在道路遮挡缺失以及边界不清晰等问题,同时网络对于图像特征信息也缺少合理的分配学习。
技术实现思路
[0004]鉴于以上问题,本专利技术提出一种基于改进U
‑
net网络的无人机麦田遥感图像分割方法,充分利用田埂信息,合理分配特征的学习权重,从而提高田埂和麦田的分割精度,为后期的小麦估产工作提供理论基础和技术保障。
【技术保护点】
【技术特征摘要】
1.一种基于改进U
‑
net网络的无人机麦田遥感图像分割方法,其特征在于它包括:步骤1:以U
‑
net为基础,融合多信息注意力模块,改善卷积在局部感受野上对特征图的无差别信息处理,加强对麦田和田埂相似特征差异的学习,达到分割精确化的目的;步骤2:定义一个关注区域结构的混合损失函数,处理麦田图像中田埂与麦田的占比不均衡问题;步骤3:利用形状先验信息,并结合阈值和矩形结构参数信息,以区域连通算法为指导对分割结果进一步修正。2.根据权利要求1所述的方法,其特征在于步骤1中,多信息注意力模块包括空间注意力模块,和通道注意力模块;输入特征首先经过通道注意力模块,得到在通道维度上具有更强指向性和注意力信息的新特征;再将新特征输入空间注意力计算模块,最终得到融合空间和通道注意力信息的复合新特征。3.根据权利要求2所述的方法,其特征在于通道注意力模块通过计算各通道的重要性并以此进行权重分配,得到融合通道注意力信息的新特征;其计算公式如下:M
c
=σ(MLP(AvgPool(F))+MLP(MaxPool(F)))式中,M
c
表示获得通道注意力的新特征,σ表示sigmoid函数计算,MLP为特征的共享网络,AvgPool(F)表示平均池化特征,MaxPool(F)表示最大池化特征。4.根据权利要求2所述的方法,其特征在于通过空间注意力模块捕获潜在信息,实现局部特征的丰富的上下文关系建立;计算公式如下:式中,i和j为特征图中某像素点位置,N表示输出总数,A
j
为融合通道注意力模块输出的新特征,特征A生成的三个新特征映射记做{B,C,D}∈R
C
×
N
;α表示尺度系数。5.根据权利要求1所述的方法,其特征在于步骤2中,提出基于区域结构的混合损失函数L
Rs
为:式中,N表示输出总数,η
i
是每个损耗的权重,及分别表示第i个的焦点损失Focal Loss、结构相似损失SsimLoss和Tversky系数损失TverskyLoss。6.根据权利要求1所述的方法,其特征在于步骤3中,修正步骤具体包括:S3
‑
...
【专利技术属性】
技术研发人员:任守纲,顾兴健,李思哲,郑恒彪,徐焕良,
申请(专利权)人:南京农业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。