时空感知
李伟, 屈亚妮, 高翔, 殷欢, 彭曙光, 赵辉革, 陈杰
烟田监测是实现烟草种植精细化管理的关键环节,对于优化耕作措施、提升产量与质量,以及制定精准 扶持政策具有重要意义。然而,当前在丘陵地区开展烟田遥感识别仍面临如下两大主要挑战：一是烟田块形状不 规则、尺度多样导致的有效特征提取困难;二是地形起伏和植被类型多样造成的背景干扰,使得难以实现精细化 识别。因此,本文提出一种基于方向自适应与多尺度感知（directional adaptation and multiscale perception,DAMP） 的丘陵烟田遥感智能识别方法。首先,根据丘陵烟田形状多变的特点,提出方向自适应注意力机制,通过结合不 同方向上的平均池化、最大池化和特征加权,有效捕获田块局部细节中关键低频信息（如色调信息）与高频信息（如边界信息）;其次,设计基于特征金字塔的多尺度特征增强模块,用于优化多尺度特征表达,以应对烟田尺 度多样的问题;最后,针对丘陵烟田分布零散和种植背景复杂的问题,引入 Swin Transformer 捕获全局上下文信 息,以显著提升烟田识别精度。结果表明,本文方法通过结合局部细节、多尺度特征与全局上下文信息,显著增 强了对丘陵烟田区域与复杂背景的区分能力;相较于基准模型、FCN、DeepLabV3+等已有主流模型,本文方法 精度表现最优,丘陵烟田提取的平均交并比、总体精度、F1 分数,分别达到了 76.68%、96.18%、81.76%。
