基于Re-UNet模型的梨树种植区遥感提取方法技术

本发明专利技术涉及基于Re‑UNet模型的梨树种植区遥感提取方法，与现有技术相比解决了遥感影像梨树种植区提取方面存在的分类结果不准确、效率低的缺陷。本发明专利技术包括以下步骤：遥感影像数据集的获取；梨树种植区提取模型Re‑UNet的构建；梨树种植区提取模型Re‑UNet的训练；获取待分割的梨树种植区遥感影像并进行预处理；梨树种植区遥感提取结果的获得。本发明专利技术基于UNet语义分割模型，解决了小数据集中容易出现的过拟合问题，同时加入了空间、通道注意力机制与残差模块，进一步增强了高分辨率遥感影像中梨树种植区的特征传递和累积整合特性，有效减少了“椒盐现象”和错分情况，提高了整体的分割精度。

【技术实现步骤摘要】

本专利技术涉及遥感影像处理，具体来说是基于re-unet模型的梨树种植区遥感提取方法。

技术介绍

1、在特色农业发展迅速的背景下，利用现代遥感技术快速、精确地获取果树种植信息、实现农业数字化，相较于传统的人工调查法节约了大量的人力、物力和时间成本。

2、目前，国产高分系列卫星快速发展，高分遥感影像兼具高空间、时间分辨率的优势，且具有丰富的纹理特征，为精确提取农作物空间分布信息提供了强大的数据支撑。王利军等人基于gf-6宽幅数据，利用随机森林算法完成4种不同红边波段方案下冬小麦、大蒜和油菜等春季作物的分类提取；谢国雪等人基于gf-1、zy-3遥感影像，利用支持向量机分类器迭代识别柑橘果信息；罗贞宝等人利用gf-1和gf-2遥感影像，对比了基于像元的最大似然、神经网络和支持向量机算法提取烟草种植区。然而，现有研究大多采用机器学习分类方法，根据纹理、颜色特征对作物种植区进行提取，不能充分利用特征内部的复杂结构信息，易产生“椒盐现象”，导致分类效果不理想。梨树的生长状态多变且种植环境复杂，传统机器学习方法无法提供精确的结果，会导致面积估算值过大等问题。本文档来自技高网...

【技术保护点】

1.一种基于Re-UNet模型的梨树种植区遥感提取方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于Re-UNet模型的梨树种植区遥感提取方法，其特征在于，所述梨树种植区提取模型Re-UNet的构建包括以下步骤：

3.根据权利要求1所述的基于Re-UNet模型的梨树种植区遥感提取方法，其特征在于，所述梨树种植区提取模型Re-UNet的训练包括以下步骤：

【技术特征摘要】

1.一种基于re-unet模型的梨树种植区遥感提取方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于re-unet模型的梨树种植区遥感提取方法，其特征在于，所述梨树种植区提...

【专利技术属性】
技术研发人员：张东彦，高敏，胡根生，潘正高，辛政华，许海峰，沈书豪，牛圳，
申请(专利权)人：安徽大学，
类型：发明
国别省市：