遥感图像耕地分割与提取

• 作者: 张媛芳
• 来源期刊: 电子元器件与信息技术
• 关键词: 灰度图像 二值化处理 PSPnet神经网络 模型训练 labelme软件
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 软件技术与信息服务
• 页码范围: 203-205
• 页数: 3页
• 分类号: TP751
• 语种: 中文
• DOI: 10.19772/j.cnki.2096-4455.2021.4.091

摘要

利用卫星遥感影像可以识别并提取耕地.通过建立数学模型,能找出最佳阈值,进行图片二值化处理,计算耕地在图像中所占比例;利用PSPnet网络构建的训练模型能有效、快速,精准的进行耕地提取,使用labelme软件制作耕地标签图.对于问题1,计算耕地在各图像中所占比例.精确提取耕地区域并将区域外颜色填充为黑色.首先将原始图片灰度化,使用大津法得到最佳阈值,将灰度图像转换为二值图像,便得到耕地与背景分离图,从而通过白色(耕地)区域的计算,即得到耕地在图像中所占比例.对于问题2,要从给定的测试图像中提取耕地,需要用PSPnet神经网络搭建的模型训练,输入图片提取出耕地区域.进行模型训练时,选取适当大小的数据集可以有效提预测图片结果的准确性.PSPnet采用的是mobilenetv2作为主干特征提取网络,在MobileNetV2网络部分,在3x3网络结构前利用1x1卷积升维,在3x3网络结构后,再利用1x1卷积降维后,直接进行残差网络的加法.PSPNet所使用的加强特征提取结构是PSP模块,将输入进来的特征层划分成6x6,3x3,2x2,1x1的区域,然后每个区域内部各自进行平均池化,获取到的特征层划分成不同大小的区域,聚合不同区域的上下文信息,从而提高获取全局信息的能力.经过训练后得到的模型可用于图片预测,从而将图像中的耕地区域提取出来.利用labelme软件进行耕地标签图的制作.