期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
联合UAV-LiDAR点云和SSAFormer的红树林群落精细分类
1
作者 张书嵘 付波霖 +4 位作者 高二涛 贾明明 孙伟伟 武炎 周国清 《遥感学报》 北大核心 2025年第5期1140-1163,共24页
红树林是最富有生物多样性、生产力最高的海洋生态系统之一,整合高分辨率遥感影像和深度学习的红树林群落精细分类已成为当前研究的热点和难点。本文提出一种新颖的深度学习分类网络模型一种基于窗口注意力机制和空洞空间的视觉转换器SS... 红树林是最富有生物多样性、生产力最高的海洋生态系统之一,整合高分辨率遥感影像和深度学习的红树林群落精细分类已成为当前研究的热点和难点。本文提出一种新颖的深度学习分类网络模型一种基于窗口注意力机制和空洞空间的视觉转换器SSAFormer (Swin-Segmentation-Atrous-Transformer)进行红树林群落精细分类。该模型以视觉变压器的变体Swin Transformer为主干网络,在主干网络中加入了卷积神经网络CNN(Convolutional Neural Network)以及空洞空间卷积池化金字塔ASPP (Atrous Spatial Pyramid Pooling)提取更多尺度特征信息,在轻量级解码器中嵌入了特征金字塔FPN (Feature Pyramid Network)结构来融合低层和高层丰富的语义特征信息。本文利用高分七号(Gaofen-7,GF-7)卫星多光谱影像和UAV-LiDAR点云构建了3种主被动遥感数据集,并对比分析SegFormer和本研究改进的Swin Transformer算法的分类结果,进一步论证SSAFormer算法对红树林群落的分类性能。结果表明:(1)与SegFormer相比,SSAFormer实现了红树林的精细分类,总体精度OA (Overall Accuracy)提高了1.77%-5.30%,Kappa系数最高为0.8952,平均用户交并比MIo U (Mean Intersection over Union)最大提升了7.68%;(2)在GF-7多光谱数据集上,SSAFormer算法实现了91%最高总体精度(OA),在UAV-LiDAR数据集上,SSAFormer算法的MIoU提升至57.68%,在加入光谱特征的UAV-LiDAR数据集上,SSAFormer算法MIoU的均值提高了1.48%;(3)UAV-LiDAR数据相比于GF-7多光谱数据的平均用户交并比(MIoU)最大提高了5.35%,总体精度(OA)的均值提升了1.81%,加入光谱特征的UAV-LiDAR数据分类精度(F1-score)提高了2.6%;(4)本研究提出的SSAFormer算法实现了海榄雌的分类精度(F1-score)最高为97.07%,桐花树分类精度(F1-score)达到91.99%,互花米草的F1-score达到93.64%,桐花树的F1-score的平均值在SSAFormer模型上达到了86.91%最高。本研究所提出的SSAFormer算法能够有效提高红树林群落分类精度。 展开更多
关键词 遥感 红树林 GF-7多光谱 UAV-LiDAR点云 ssaformer 深度学习 主被动影像整合 特征选 择 群落精细分类
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部