基于改进U-Net网络模型的高分影像养殖池塘提取

针对养殖池塘提取难的问题,使用深度学习方法对高分辨率遥感影像中养殖池塘进行精细提取。研究基于0.5 m高分辨率遥感卫星影像,采用DenseNet网络结构作为U-Net网络模型的编码器,使用手工矢量化的养殖池塘样本对改进U-Net网络模型进行训练,并用训练后的网络模型对验证集影像中养殖池塘进行提取。结果表明,改进U-Net网络模型提取精确率、召回率、交并比分别达92.77%、92.21%、85.60%。与面向对象方法和D-LinkNet模型方法对比,改进U-Net网络模型效果最佳。该模型为养殖池塘精细提取提供了新的思路与方法,有利于推进渔业养殖资源确权调查及精细化管理。