基于双支路全局局部感知网络的高分影像林地信息提取方法

High-resolution image forest information extraction method based on double branch global local perception network

利用遥感影像提取林地信息可以方便管理人员快速掌握林地情况,提高林地调查效率,而当前遥感影像林地提取方法精度较低,为进一步提高遥感影像林地提取精度,本研究提出一种基于双支路全局局部感知网络的高分影像林地提取方法。首先在编码阶段充分考虑林地全局与局部特征表达,通过2条不同支路分别获取全局语义与局部细节信息,提高网络的特征提取能力。其次,考虑到林地的多尺度特征,在解码阶段建立一种深度监督分类器,通过多分支辅助分类进一步提高网络在预测阶段的判别能力。为验证模型有效性,本研究建立了一个遥感影像林地提取数据集,试验结果表明,相比于现有常用的神经网络模型,其精度显著提高;通过定量分析可知,交并比值提高1.57~8.89百分点,平衡分数提高0.97~8.68,总精度提高0.89~8.98百分点。此外,20次独立的蒙特卡罗试验显示交并比、平衡分数和总精度的精度标准差分别为0.15、0.14和0.05,进一步验证了本研究方法的稳定性。消融试验则充分证明了本研究方法中各个模块的贡献,以进一步验证所提出方法的有效性。总的来说,本研究所提出的方法能够高效稳定地提取遥感影像林地信息。