数学建模社区-数学中国

标题: 基于深度学习的黑臭水体遥感信息提取研究 [打印本页]
作者: 雩风三日    时间: 2021-3-13 17:15
标题: 基于深度学习的黑臭水体遥感信息提取研究
基于深度学习的黑臭水体遥感信息提取研究
& t* U6 b* a9 T  j4 v% h
" T' b1 I1 k; K4 j/ b6 X' u黑臭水体分布散且广，对人民的居住环境、城市整体美观形象都造成了严重的损害，是我国许多大中城市共同存在的环境污染问题。本文以河北省廊坊市为研究区，利用高分二号（GF-2）多光谱数据和实测数据，使用 PSPNet(Pyramid Scene Parsing Network)和 U-Net 网络模型对黑臭水体遥感信息提取进行对比实验研究。为了更好的区分黑臭水体与非黑臭水体，计算归一化差异植被指数 NDVI（Normalized Difference Vegetation Index）和归一化差异黑臭水体指数 NDBWI(Normalized Difference Black-odorous Water Index)，探究深度学习模型输入不同指数的提取效果。针对细小形状的黑臭水体普遍存在的漏检问题，引入注意力机制模块对模型进行优化，构成一种改进型深度学习黑臭水体遥感信息提取模型。结论表明：（1）RGB+NIR+NDVI+NDBWI 影像由于拥有最丰富的特征信息和较少的数据冗余，在各模型中都能较好的区分黑臭水体与非黑臭水体，但依然存在漏检与错检；（2）输入融合 RGB+NIR+NDVI+NDBWI 指数的遥感影像并引入注意力机制的 U-Net 网络模型对黑臭水体的提取结果最佳，在精度评价指标 F1-srore、MIoU、Recall上分别达到了 0.8645、0.8681、0.8359。
1 o' I  b9 c$ ^" a5 E3 b
2 _; A% N# T8 z关键词：黑臭水体；深度学习；  GF-2 卫星；注意力机制 6 U" _7 U  D* Q9 Y) ^8 V

3 p; m) _8 W! Q% g8 S( Z8 _) U. j/ y1 u5 T# A9 l
4 T6 E# @; C# m

基于深度学习的黑臭水体遥感信息提取研究_邵琥翔.caj

1008.45 KB, 下载次数: 0, 下载积分: 体力 -2 点

售价: 1 点体力  [记录]  [购买]





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5