结合深度学习和植被指数的滨海湿地高分二号遥感影像信息提取
Journal of Remote Sensing（2023）
摘要
针对滨海湿地植被光谱特征相似而易被混淆分类的问题,本文提出了结合深度学习和植被指数的滨海湿地信息提取网络MFVNet.该网络以高分辨率遥感影像和典型植被指数为输入,将UNet中的双卷积操作替换为本文提出的增强多尺度特征提取模块,用于捕获不同尺度的上下文特征,并在解码器中融合不同感受野的语义特征图,增强了滨海湿地地物的特征表示.在黄河口滨海湿地高分二号遥感影像上进行了实验,结果表明:(1)深度学习方法的信息提取精度普遍优于传统的机器学习分类方法SVM;相比HRNet等深度语义分割网络,MFVNet在滨海湿地植被类型上取得了更好的信息提取结果;(2)将修正土壤调节植被指数MSAVI、差值植被指数DVI和比值植被指数RVI与高分二号影像拼接对滨海湿地信息提取贡献较大.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要