深度边缘光谱U-Net海水网箱养殖信息提取

网箱养殖是海水养殖的重要类型之一,传统网箱养殖目标光谱特征受近岸植被、水体影响较大,易出现噪声问题。新型深海网箱养殖目标离岸较远,但养殖目标海面框体部分较小,与自然水体光谱相似性较高,难以实现有效提取。本文提出深度边缘光谱U-Net模型对两种海水网箱养殖类型进行养殖信息提取。该模型通过Canny算子双边滤波算法去除波段运算后冗余光谱信息,提取边缘光谱特征并利用U-Net跳跃连接结构将其与深度卷积网络特征相融合,经softmax分类器逐像素分类实现网箱养殖信息提取。以海南近岸网箱养殖与深海网箱养殖为研究对象进行养殖信息提取,经实验对比所提方法在传统近岸网箱目标上精确度达到97.35%,新型深海网箱目标上提取精度达98.99%,其提取结果明显优于传统无监督算法和典型深度学习网络模型。