U-Net深度卷积神经网络在沙脊线提取中的应用.pdfVIP

U-Net 深度卷积神经网络在沙脊线提取中的应用 摘要：沙丘形态演变过程记录着近地表风况与环境演化的历史，然而对其特征研究一直受限于大范围沙脊线提取 效率低和成本高等问题。本文基于深度卷积神经网络搭建U-Net 模型，实现批量、高精度沙脊线的提取。将数据增 强技术、随机失活神经元、批标准化以及迁移学习技术应用于模型训练和参数更新，使得模型的精度更高。结果表 明：U-Net 模型以及各种策略能够高效、精确地识别遥感影像中的沙脊线；沙脊线走向的偏移与近地表风况变化有 着很好的对应关系，U-Net 模型可以有效地用于区域性的沙脊线走向分析。 关键词：深度卷积神经网络；U-Net ；沙脊线；近地表风况 0 引言 脊线走向方面的工作优化了Rubin 数学模型中斜向 沙丘与横向沙丘的过渡区域。在数学模型研究的 风成沙丘的形态是近地表风况与沙质地表相 ［8］ 基础上，Fenton 等 以人工肉眼识别的方式大量统 互作用的结果，其形成发育过程受地形（地面起 计了美国Great Sand Dune 沙漠中不同形态沙脊线 伏）、地面物质组成（沙源供应情况）和地表植被覆 的平均走向，并将其与数学方法模型估算的近地表 盖等外界因素的影响［1］。风是塑造沙丘形态的动