环境科学与资源利用论文_基于深度学习的黑臭水
2022/04/22文章目录
1 研究背景
2 技术路线
3 研究区概况与数据集制作
3.1 研究区概况
3.2 黑臭水体野外考察
3.3 数据集制作
4 黑臭水体相关指数计算
5 深度学习模型构建
5.1 PSPnet模型
5.2 U?Net模型
5.3 注意力机制模块CBAM
5.3.1 通道注意力模块（CAM)
5.3.2 空间注意力模块（SAM)
6 黑臭水体提取对比实验
6.1 深度学习精度评价指标
6.2 原始模型提取黑臭水体遥感信息对比
6.3 引入注意力机制模块的改进模型提取黑臭水体遥感信息对比
7 结论
文章摘要:黑臭水体分布广泛，严重损害人民的居住环境和城市整体美观形象。以河北省廊坊市为研究区，利用高分二号（GF-2）多光谱数据和实测数据，使用PSPNet（Pyramid Scene Parsing Network）和U-Net模型对黑臭水体遥感信息提取进行对比实验研究。基于可见光波段（RGB）及近红外波段（NIR）计算归一化差异植被指数（NDVI）和归一化差异黑臭水体指数（NDBWI），针对细小形状的黑臭水体普遍存在的漏检问题，引入注意力机制模块对模型进行优化改进，构建改进型深度学习黑臭水体遥感信息提取模型。结果表明：输入RGB+NIR+NDVI+NDBW六通道组合遥感影像并引入注意力机制的U-Net网络模型对黑臭水体的提取结果最佳，其精度评价指标F1-srore、MIoU、Recall分别达到了0.864 5、0.868 1、0.835 9。
文章关键词:
论文分类号:X52;X87;TP18
