基于改进的MaskFormer用于遥感图像的土地覆盖类型分类方法的研究

科学领域:

• 遥感 遥感 遥感 遥感
• 生态生态学 生态生态学
• 计算机视觉 计算机视觉

背景情况:

• 高分辨率的遥感图像提供了广泛的覆盖范围和用于土地覆盖面分析的光谱数据.
• 现有的数据集往往缺乏高地山区的代表性,与平原地区有很大不同.
• 需要专门的数据集来支持独特地形中的生态保护.

研究的目的:

• 为吉利安县建立草原生态元素数据集,以帮助高地生态保护.
• 开发和验证一个新的细分网络,以便在具有挑战性的环境中准确地分类土地覆盖.

主要方法:

• 创建了一个Qilian县草原生态元素数据集,专注于RGB和近红外光谱.
• 提出了一个Shunted-MaskFormer网络,结合了基于面具的分类,多尺度的特征提取和数据依赖的上采样.
• 该网络的表现被评估在Qilian草原数据集和Gaofen图像数据集 (GID) 上.

主要成果:

• 经过优化而成的Shunted-MaskFormer网络在Qilian草原数据集上实现了80.75%的欧盟平均交叉点 (MIoU).
• 该模型表明,在不平衡的数据集中,小样本类的细分优越.
• 在GID数据集中获得的最高MIoU为72.3%.
• 优化模型的尺寸被缩小到次优模型的三分之一.

结论:

• 开发的Shunted-MaskFormer网络为高原地区提供了有效的草原细分.
• 吉良县草原生态元素数据集支持关键的生态保护工作.
• 该模型显示了强大的概括能力和提高效率.