江苏大学学报(自然科学版)

作者：徐昇,吴迪

单位：（南京林业大学 信息科学技术学院， 江苏 南京 210037）

关键词：植被检测,  高分辨率遥感图像,  深度学习,  YOLO,  全卷积网络

基金：国家自然科学基金青年科学基金资助项目（62102184）； 中国博士后科学基金资助项目（2019M661852）； 江苏省自然科学基金青年科学基金资助项目（BK20200784）； 江苏省高等学校大学生创新创业训练计划项目（202210298042Z）<br />\r\n<div>\r\n\t<br />\r\n</div>

针对传统基于遥感影像处理的植被分析中人工干预较多导致的效率低、精度差、更新速度慢、耗费资源等问题，基于YOLO网络结构，提出一种新的全卷积F-YOLO（fully convolutional YOLO）结构网络模型对植被覆盖进行研究.通过修改损失函数来提升图像中目标检测的精度，并输出像素级的目标检测结果，完成像素级分类任务.通过设计出自动端到端的像素分割算法，统计城市植被的覆盖度.选取南京市紫金山附近区域为研究对象，采用提出的F-YOLO对图片进行卷积和池化操作，从而得到特征图；再通过上采样将高度抽象的特征图还原成原图像大小；然后进行逐像素分析，判断此像素是否属于目标植被；最后进行植被的分割与覆盖度计算.试验结果表明算法植被分割像素精确率达到94.76%，植被覆盖度计算结果的精确度为96.72%.在目标检测任务中，文中方法召回率为97.33%，像素精确率为96.34%，F1值为96.83%，都显著优于SSD与Faster-RCNN；在像素级分割任务中，该方法94.76%的像素精确率明显高于FCN-16、U-Net及FCN-32，验证了其具有综合性能优势.

来源：2025年第6期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2025年第6期