一种基于SE-UNet深度学习网络的遥感影像小麦种植区域提取方法技术

本发明专利技术涉及一种基于SE

【技术实现步骤摘要】
一种基于SE
‑
UNet深度学习网络的遥感影像小麦种植区域提取方法


[0001]本专利技术涉及遥感图像处理
，具体来说是一种基于SE
‑
UNet深度学习网络的遥感影像小麦种植区域提取方法。

技术介绍

[0002]遥感技术由于其大面积同步观测、成本低、数据综合性强、能够时空动态监测等特点，较大程度地避免了人为因素的影响，被广泛应用于农业遥感监测的各个方面，尤其是农作物种植面积提取、农作物长势监测、农作物产量估算及农作物病虫害监测等研究。
[0003]目前，用于作物种植面积监测的影像有高、中、低分辨率影像，如黄健熙等人以时序MODIS数据作为数据源提取冬小麦的空间分布，但由于数据源为中低分辨率遥感影像，不能很好的满足应用需求。李晓慧等人利用多时相Landsat
‑
8OLI影像，结合光谱角填图和决策树分类提取大同市新荣区东部地区主要农作物分类情况，总体精度达到85.34％；贺原惠子等利用随机森林算法，结合典型冬小麦种植区光谱特征、纹理特征和主成分特征在Landsat
‑...

【技术保护点】

【技术特征摘要】
1.一种基于SE
‑
UNet深度学习网络的遥感影像小麦种植区域提取方法，其特征在于，包括以下步骤：11)基础数据的获取：获取Landsat
‑
8OLI遥感影像数据，并对其进行预处理，利用ArcGIS软件勾画小麦区域矢量，标注出Landsat
‑
8OLI影像中的小麦区域原始影像数据尺寸为256
×
256
×
3，标签数据尺寸为256
×
256
×
1，获得预处理后的遥感影像数据；12)小麦种植区域提取网络的构建：基于SE
‑
UNet网络构建小麦种植区域提取网络；13)小麦种植区域提取网络的训练：利用预处理后的遥感影像数据对小麦种植区域提取网络进行训练；14)待提取遥感影像的获得：获取待提取遥感影像并进行预处理；15)遥感影像小麦种植区域的提取：将预处理后的待提取遥感影像输入训练后的小麦种植区域提取网络，提取出遥感影像小麦种植区域。2.根据权利要求1所述的一种基于SE
‑
UNet深度学习网络的遥感影像小麦种植区域提取方法，其特征在于，所述小麦种植区域提取网络的构建包括以下步骤：21)搭建UNet网络模型，UNet网络采用对称的编码器
‑
解码器结构，以UNet网络作为基本框架来提取特征；22)设定编码器通过3
×
3卷积、Relu激活函数和2
×
2池化来下采样提取特征信息，经过池化后将特征图通道数量不变，尺寸缩小为原来的一半，共进行4次下采样，下采样率为16倍，其中在Relu激活函数前的BN层用来抑制过拟合问题；23)设定解码器通过转置卷积来进行4次上采样将特征图恢复到原图分辨率，同时在每一个水平阶段使用跳跃链接的方式将高级语义特征与浅层特征相融合，最后通过Softmax作为分类层，将图片像素分割为两类，一类为背景，另一类是提取的小麦区域；24)在每个双层卷积模块后加入SE模块，SE模块用于分析特征图中通道之间的关系并为每个通道提供对应的权重，其通过模型学习自动获取每个特征通道的重要性；25)设定SE模块。3.根据权利要求1所述的一种基于SE
‑
UNet深度学习网络的遥感影像小麦种植区域提取方法，其特征在于，所述小麦种植区域提取网络的训练包括以下步骤：31)将预处理后的遥感影像数据输入小麦种植...

【专利技术属性】
技术研发人员：赵晋陵，詹媛媛，黄林生，雷雨，梁栋，
申请(专利权)人：安徽大学，
类型：发明
国别省市：