基于U-Net深度学习方法火星沙丘提取研究

摘要

火星沙丘遥感识别对于人类探索火星大气与其表面交互作用具有重要的研究意义。针对传统的机器学习方法自动提取火星沙丘精度低的问题,设计了一种纹理特征提取与深度学习相结合的方法来自动识别火星沙丘。该方法在火星遥感影像纹理特征提取的基础上结合深度学习模型对火星沙丘进行提取,实现火星遥感影像端到端的语义分割。同时将U-Net方法提取结果与传统的随机森林提取方法进行对比,实验结果表明:U-Net方法能够充分利用影像中丰富的纹理信息,提取沙丘的准确率为96.7%,比传统的随机森林方法提高了3.2个百分点;U-Net方法提取的火星沙丘轮廓更为准确清晰,且对破碎程度大的沙丘提取效果较好,U-Net方法可用于火星沙丘的精确自动提取。