摘要
针对基于中分辨率遥感影像滑坡检测精度低的问题,提出了一种基于注意力机制的改进ResU-Net模型,并且基于多光谱遥感影像数据集得出了有益于滑坡检测的多特征模型输入组合.本研究所用的原始数据集共 14 个特征,首先剔除无效特征,并加入归一化植被指数和归一化水体指数,生成新数据集.然后将新数据集应用于改进的ResU-Net与U-Net,ResU-Net,Attention U-Net,BiSeNet,Semantic FPN,U-Net++的对比实验,结果表明改进的ResU-Net在测试集上可获得76.91%的F1 分数,同时精确率和召回率分别为77.34%和76.49%,在该任务中优于其他对比模型,且比ResU-Net模型的F1 分数高了0.43 百分点,有效提高了中分辨率遥感影像的滑坡检测精度.最后,再向数据集中依次加入归一化湿度指数和坡向特征,对比不同特征组合数据集产生的检测效果,结果发现加入坡向特征可最大化提升滑坡检测精度,F1 分数可达77.03%.
基金项目
四川省科技应用基础研究项目(2021YJ0335)
国家科技期刊平台
NSTL
维普
万方数据