来源：期刊VIP网 时间：
作者：薛栋;胡嘉欣;底微萌;汪青宇;田晓敏;
单位：北华航天工业学院;河北省航天遥感信息处理与应用协同创新中心;
摘要：为提高农林植被精细分类的效率和准确性，解决传统人工调查方法的低效问题，采用高光谱影像对农林植被进行精细分类，并以雄安新区马蹄湾为例，利用无人机获取高光谱影像，分析19种典型地物。为了克服高光谱遥感图像的计算量大、耗时长及分割边界模糊等问题，文章改进DeeplabV3+模型，替换Xception主干网络为MobileNet,以减小模型尺寸并增强计算能力；引入注意力机制与特征融合，用DenseASPP替代ASPP,以解决池化导致特征图空间分辨率下降的问题。对比实验评估了SegNet、DeeplabV3+与本文模型在马蹄湾数据集上的表现。实验结果表明，相比于其他模型，该模型具有较高的像素精度和频权交并比，展现了较高的识别准确率和鲁棒性，有效解决了地物预测边界缺失的问题。
关键词：高光谱;;深度学习;;DeeplabV3+;;MobileNet;;无人机;;植被分类
基金资助：河北省教育厅自然科学研究项目(QN2021202);; 国家级横向课题基金(YG202102H);; 北华航天工业学院科研基金(BKY202134)
