来源：期刊VIP网 时间：
作者：冯相熹;刘小芳;
单位：四川轻化工大学计算机科学与工程学院;
摘要：遥感图像耕地识别是精准农业和土地资源管理的重要任务，但在实际应用中，易受噪声干扰、特征丢失以及模型预测随机性等问题制约，导致识别精度和可靠性不足。针对这些问题，文章提出了一种耦合多图平均法与改进UNet网络的遥感图像耕地识别的方法。首先，在UNet编码器的部分卷积引入双分支注意力，从不同维度增强特征提取能力。其次，引入改进残差收缩网络并使用软阈值化函数，将双分支注意力的融合权重送入软阈值化函数中，增强抗干扰能力；在解码器中，同样对部分卷积引入双分支注意力。最后，采用多图平均法优化预测，消除模型随机性。实验结果表明，改进的UNet能够减少特征信息的丢失，增强抗干扰能力。该模型在吉林1号卫星数据集上的mPA达到92.11%,mIoU达到74.46%,与DeeplabV3+相比，mPA和mIoU分别提升了1.12和3.89个百分点，具有更好的泛化能力。
关键词：多图平均法;;UNet;;残差收缩;;双分支注意力;;软阈值化
基金资助：国家自然科学基金(42471437);; 四川轻化工大学高层次创新人才培养专项资助(B12402005);四川轻化工大学研究生创新基金(Y2024122)
