U-net模型在高分辨率遥感影像水体提取中的应用

作     者：王宁 程家骅 张寒野 曹红杰 刘军 WANG Ning;CHENG Jiahua;ZHANG Hanye;CAO Hongjie;LIU Jun

作者机构：北京合众思壮科技股份有限公司北京100015 中国水产科学研究院东海水产研究所上海200090 北斗导航位置服务(北京)有限公司北京100191 

出 版 物：《国土资源遥感》 (Remote Sensing for Land & Resources)

年 卷 期：2020年第32卷第1期

页      面：35-42页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划项目“全球位置信息叠加协议与位置服务网技术”(编号:2017YFB0503700) 北京市博士后工作经费资助项目“基于深度学习的高分辨率遥感影像养殖水体提取技术研究”(编号:2018-ZZ-036) 青海省重大科技专项项目“海北州高寒草地生态畜牧业大数据管理平台与关键技术集成示范”(编号:2017-NK-A4) 农财专项-农业农村资源等监测统计经费项目(2017)共同资助 

主　　题：GF-1 U-net模型 随机森林 水体提取 

摘      要：选择安徽省巢湖流域为研究区,采用U-net模型和随机森林模型,对高分一号(GF-1)高分辨率遥感影像进行水体信息提取,并对比分析了2种模型的水体提取结果和效率。结果表明:①对于大面积水体,2种模型的水体提取结果均具有较高的精度;②对于小面积水体,随机森林模型水体提取结果存在较多细碎图斑,U-net模型水体提取结果和人工目视解译结果更加符合;③对于遥感影像中城市建筑物阴影和山体阴影,U-net模型能较好地消除阴影影响,正确提取水体,而随机森林模型存在较多将阴影误分为水体的现象;④总体来看,在复杂地表覆盖类型条件下,U-net模型提取水体的总体精度为98. 69%,Kappa系数为0. 95,均高于随机森林模型,在2种模型漏分误差相当的情况下,U-net模型错分误差远小于随机森林模型。U-net模型避免了人工提取分类特征的过程,自动化程度更高,训练效率较高,适用于遥感影像中水体高精度提取。