[发明专利]基于改进U-net网络的无人机麦田遥感图像分割方法

说明书

本发明提出基于改进U‑net网络的无人机麦田遥感图像分割方法，通过加入注意力模块的方式加强目标特征学习，同时通过改进损失函数的方法对权重进行重分配，从而解决遥感图像中目标背景类别分布不均的问题；最后，结合形状先验信息对分割结果进行进一步修正。本发明利用采集的无人机麦田数据集进行训练和模型验证，试验结果表明，分割准确率和平均交并比分别达93.31％和73.91％，较好解决了田埂分割遮挡和缺失等问题。

技术领域

本发明属于农业遥感图像分割领域，尤其是一种基于改进U-net网络的无人机麦田遥感图像分割方法。

背景技术

小麦是世界三大主要粮食作物之一，同时也是我国第二大粮食作物。作为世界最大的小麦生产国，小麦在我国国民经济发展中占据了重要地位。如何准确并快速地对小麦进行估产，对于保障粮食安全和相关产业地发展都具有巨大现实意义。传统的作物估产工作需要投入大量的人力物力，还会造成一定程度上的田间破坏以及人为计算误差，因此寻求一种高效、准确且无损的估产方法是十分必要的。为了更好地进行小麦估产，首要解决的就是麦田图像的分割问题。

近年来，随着遥感和图像处理技术的快速发展，基于遥感图像进行小麦估产成为研究热点。随着精准农业不断发展，通过大尺度卫星遥感图像对农作物进行田块级估产，精度不能满足需求，而最新的无人机遥感技术，为田块级、高精度小麦估产带来了希望。尽管深度学习技术在农业领域已有较多研究和应用，但其效果仍有很大局限性。由于大田小麦环境复杂，实际小麦遥感图像存在道路遮挡缺失以及边界不清晰等问题，同时网络对于图像特征信息也缺少合理的分配学习。

发明内容

鉴于以上问题，本发明提出一种基于改进U-net网络的无人机麦田遥感图像分割方法，充分利用田埂信息，合理分配特征的学习权重，从而提高田埂和麦田的分割精度，为后期的小麦估产工作提供理论基础和技术保障。

技术方案：

实现本发明目的的技术解决方案为：

一种基于改进U-net网络的无人机麦田遥感图像分割，包括以下步骤：

步骤1：以U-net为基础，融合多信息注意力模块，改善卷积在局部感受野上对特征图的无差别信息处理，加强对麦田和田埂相似特征差异的学习，达到分割精确化的目的；

步骤2：定义一个关注区域结构的混合损失函数，处理麦田图像中田埂与麦田的占比不均衡问题；

步骤3：利用形状先验信息，结合阈值、矩形结构参数及区域连通等思想，动态调节田埂拟合形状，整体上实现矩形内外部的最佳匹配，对缺失或断裂的田埂进行较好的补全。

综合以上所述方法，利用U-net网络对数据集进行初步处理，通过注意力模块加强学习，定义新的损失函数，并辅以形状先验还原增强麦田图像的分割精度。

1、本发明在步骤1中提出融合多信息复合式注意力机制，具体为：

提出一种融合空间和通道信息的复合式注意力机制(MIAM)。多信息注意力模块包括基于非局部(Non-Local)思想的空间注意力模块，和基于压缩和激发(Squeeze-and-Excitation Networks，SENet)思想的通道注意力模块。

通道注意力模块通过计算各通道的重要性并以此进行权重分配，实现对有意义特征的关注。首先通过池化层得到聚合空间信息的特征F，再经过一个三层神经网络捕获通道注意力并逐元素求和得到最终输出特征。该模块计算公式如下所示:

M_c＝σ(MLP(AvgPool(F))+MLP(MaxPool(F)))

其中，M_c表示获得通道注意力的新特征，σ表示sigmoid函数计算，MLP为特征的共享网络，AvgPool(F)表示平均池化特征，MaxPool(F)表示最大池化特征。