基于弱监督与光谱指数的哨兵2号图像裸土提取.pdfVIP

JournalofSensorTechnologyandApplication传感器技术与应用,2024,12(1),37-45

PublishedOnlineJanuary2024inHans./journal/jsta

/10.12677/jsta.2024.121005

基于弱监督与光谱指数的哨兵2号图像裸土提取

赵燚海

天津工业大学物理科学与技术学院，天津

收稿日期：2023年12月7日；录用日期：2024年1月1日；发布日期：2024年1月8日

摘要

利用哨兵2号图像进行裸土区动态制图对环境管理和生态恢复具有重要意义。深度学习技术已经彻底改

变了土地利用与土地覆盖分类的方法，包括裸露土地区域的映射。然而，目前的深度学习方法存在两个

主要问题，即标记成本高和模型性能较差的问题。在本文中，我们开发了一种新的深度语义分割网络

O-Net来解决当前的问题。O-Net具有典型的编码器–解码器结构，其中编码器和解码器都可以实例化为

一个特定的全卷积网络，其中编码器用于预测裸土面积的提取，解码器用于重建输入图像斑块的裸土指

数。我们基于弱监督(如不完全或不准确的标签)来训练网络参数。在我们的注释浙江数据集上的实验表

明，所提出的方法可以实现较先进的性能。

关键词

裸土提取，多光谱影像，深度学习，弱监督，裸土指数

BareSoilExtractionfromSentinel-2Images

withWeaklySupervisedandSpectralIndex

YihaiZhao

SchoolofPhysicalScienceandTechnology,TianjinPolytechnicUniversity,Tianjin

thstth

Received:Dec.7,2023;accepted:Jan.1,2024;published:Jan.8,2024

Abstract

Dynamicmappingofbaresoilareasusingsentinel-2imagesisimportantforenvironmentalman-

agementandecologicalrestoration.Deeplearningtechnologyhasrevolutionizedtheapproaches

ofLandUseandLandCoverclassificationincludingthemappingofbaresoilareas.However,there

aretwomainproblemswithcurrentdeeplearningmethods,namelythehighcostoflabelingand

poormodelperformance.Inthispaper,wedevelopanewdeepsemanticsegmentationnetwork

calledO-Netfortacklingthecurrentproblems.TheO-Nethasatypicalencoder-decoderstructure,

文章引用:赵燚海.基于弱监督与光谱指数的哨兵2号图像裸土提取[J].传感器技术与应用,2024,12(1):37-45.

DOI:10.12677/jsta.2024.121005

赵燚海

amongwhichboththeencoderandthedecodercanbeinstantiatedasaspecificfullyconvolution-

alnetwork,wheretheencoderisusedtopredicttheextractionofbaresoilareasand