首页|基于U-Net深度学习方法对沙丘特征线提取研究

基于U-Net深度学习方法对沙丘特征线提取研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
近地球表面风况及其环境变化与沙丘特征形态演变过程息息相关,在研究过程中,较大范围的沙丘特征线提取存在效率低、成本高等问题.基于U-Net深度学习,对库布齐沙漠内存在的大范围沙丘特征线进行高精度提取,所识别的沙丘特征线为沙脊线和沙丘背风坡坡脚线.实验结果表明:基于U-Net深度学习方法提取卫星影像中的沙丘特征线精度评价指标分别为:MIoU值77.43％、MPA值80.25％、Precision值87.67％,评价指标数据均优于SegNet方法;提取出的沙脊线走向呈NW-SE分布,与气象站测得的风向基本保持一致;利用U-Net深度学习方法自动提取的沙丘特征线的准确性高,与实际观测结果较为符合,可有效地用于区域性的沙脊线走向分析,为沙丘特征演变研究提供了有利方法.
Research on Dune Feature Line Extraction Based on U-NET Deep Learning Method

陈明均、陈竹安

展开 >

东华理工大学测绘工程学院,330013,南昌

中核三维地理信息工程技术研究中心,330013,南昌

自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室,330013,南昌

U-Net深度学习 沙丘特征线提取 沙脊线走向

国家自然科学基金国家自然科学基金江西省教育厅课题

5170809852168010GJJ180396

2023

10.13990/j.issn1001-3679.2023.02.019

江西科学
江西省科学院

江西科学

影响因子：0.286
ISSN：1001-3679
年,卷(期)：2023.41(2)
  • 6