一种基于改进DeepLabV3+的无人机影像植被分类方法

本发明公开了一种基于改进DeepLabV3+的无人机影像植被分类方法，该方法准备无人机影像数据集，经Python编程以水平翻转、垂直翻转、对角镜像扩充样本，按7:2:1划分训练集并裁剪图像，接着构建植被特征工程，用灰度共生矩阵提取纹理特征，选取特定可见光植被指数，经ReliefF算法筛选出VDVI指数与G_Entropy并融合，然后构建植被分类模型，以MobileNetV2替换主干网络，调整ASPP模块空洞率，添加改进注意力模块ECBAM，之后融合特征进行模型训练，用SGD优化器和余弦退火算法调整学习率至网络收敛，最后用测试集测试，进行植被分类逐层实验。该方法有效解决无人机影像植被分类难题，通过多方面改进，提升了分类精度和模型性能。