基于深度学习的高分六号影像水体自动提取

为了探究高分六号(GF-6)卫星多光谱相机(PMS)影像提取水体的潜力,分别构建全卷积神经网络(FCN-8s)、U-Net及U-Net优化(VGGUnet1、VGGUnet2)4种神经网络进行了水体提取研究。基于水体提取结果对比分析,确定优选模型为VGGUnet1;提出基于组合损失函数FD-water loss(focal-dice-water loss)的VGGUnet1网络模型,并与归一化差分水指数(norma-lized water index,NDWI)阈值法、最大似然分类法、支持向量机分类法等方法比较。结果表明:基于FD-water loss损失函数的VGGUnet1网络模型能有效提取水体目标,增强小面积水体识别能力,减少水体错分、漏分现象,提高水体提取效果。可见全卷积神经网络在GF-6遥感影像水体提取方面具有可行性,为后续该领域的进一步研究应用提供了参考。

基于高分六号遥感数据的中草药信息提取研究

遥感的定量分析是遥感领域发展的重要方向,但对于光谱曲线相似的植物难以区分。中草药和冬小麦光谱曲线较为相似,通过对中草药和冬小麦生长周期的研究,寻找冬小麦生长周期中的特殊阶段,计算该阶段与中草药光谱曲线的微小差异并加以放大,从而提取中草药的种植区域,可为今后中草药遥感定量分析进一步研究提供参考。