基于面向对象与深度学习的GF-2影像林窗提取方法

本发明公开了基于面向对象与深度学习的GF‑2影像林窗提取方法，首先利用隶属度函数的面向对象分类法对研究区林窗进行提取，然后对结果进行精度验证后转化为索引图，制作深度学习模型训练所需的林窗样本标签数据集。第三步是对比PSPNet模型和DeepLabv3+模型对林窗识别的性能和准确度，最后，综合考虑对PSPNet模型进行改进，使用的方法是用轻量化网络MobileNetV2替换参数量大的ResNet50，为模型加入Focal Loss损失函数，加入CBAM注意力机制模块并对模型的结构进行优化。结果表明，该方法能提升模型识别林窗的效率和准确率。此方法针对目前使用遥感技术手段对林窗进行大范围识别研究较少的问题，该方法可有效完成基于高分辨遥感影像的林窗识别工作。