遥感图像耕地分割与提取

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。