来源：期刊VIP网 时间：
作者：陶兰花;翟亮;李娜娜;李春娥;薛磊;
单位：新疆维吾尔自治区测绘科学研究院;自然资源部中亚地理信息开发利用工程技术创新中心;中国测绘科学研究院;
摘要：针对样本量少且复杂的背景干扰问题，探究深度学习方法在林果遥感识别的可行性，提出一种基于改进SegNet算法的高分辨率影像林果遥感识别提取方法。选取梨树和枣树为主要研究对象，以目标探测为驱动，选取能够有效区分目标与背景的光谱特征、植被指数特征、纹理特征、地形特征等多源特征变量，通过Boruta算法评估筛选出的最优特征变量，然后对SegNet网络进行精简并引入注意力机制模块对尉犁县梨树和枣树进行识别分类。结果表明，基于GF-6影像的光谱特征重要性最高，纹理特征和植被指数特征重要性次之；采用的3种深度学习方法中，改进后SegNet深度学习进行分类效果最佳，分类精确度为97.98%,召回率为94.46%,Kappa系数为0.96。该研究结果可为特色林果业分类和识别方面的应用提供一种新的思路和模式。
关键词：GF-6影像;;特色林果;;特征优选;;改进SegNet;;精准识别
基金资助：新疆维吾尔自治区自然科学基金(2022D01B178)
