基于边缘特征增强的油菜田块信息提取方法

摘要

获取高质量的特征是从遥感影像中提取高精度油菜田块信息的关键步骤，本文针对油菜田块边缘像素特征质量通常不够理想的问题，提出了一种边缘特征增强的油菜田块信息提取模型（Edge Feature Enhancement Net,EFENet）。首先，采用编码器-解码器结构作为特征提取器基本结构，设计了边缘注意力机制（Edge Attention Mechanism, EAM）作为特征增强模块，由通道注意力和空间注意力两个子模块组成，用于提高边缘像素的特征质量。其次，设计了考虑边缘增强的损失函数（Considering Boundary Enhancement Loss Function, CBELoss）以提高边缘特征质量，由权重项ω和特征质量数学期望（Mathematical Expectation of Characteristic Mass, MECM）组成，ω根据像素空间相关性来表达样本位置对误差的影响；MECM通过评价样本质量以增强特征的区分度。EFENet采用SoftMax作为逐像素分类器。选择GF-6 PMS (Gaofen-6 Panchromatic and Multispectral Scanner)影像为数据源；青海省海北藏族自治州门源回族自治县为研究区；ERFNet、RefineNet、UNet为对比模型开展对比实验。结果表明，EFENet在F1分数（92.40%）、召回率（93.64%）、查准率（92.83%）和准确率（92.51%）方面均优于对比模型，表明该模型在提取油菜田块信息方面具有明显优势。

关键词

卷积神经网络 / 油菜田块信息 / 边缘特征增强 / 损失函数 / 特征质量