一种基于混合CNN-Transformer架构的算法,用于利用高分辨率图像提取中国东北地区的沟蚀状况
《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:A hybrid CNN-transformer architecture for gully erosion extraction in Northeast China using high-resolution images
【字体:
大
中
小
】
时间:2026年05月11日
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 5.4
编辑推荐:
摘要:
中国东北部的黑土地区正遭受严重的沟蚀,导致土壤逐渐退化,对区域粮食生产安全构成重大威胁。精确识别沟蚀对于有效管理土壤以及减轻相关的环境和农业风险至关重要。然而,自然沟蚀的复杂形态和异质空间分布使其难以与周围地形区分开来。现有的沟蚀分割方法往往难以同时利用细粒度纹理信
摘要:
中国东北部的黑土地区正遭受严重的沟蚀,导致土壤逐渐退化,对区域粮食生产安全构成重大威胁。精确识别沟蚀对于有效管理土壤以及减轻相关的环境和农业风险至关重要。然而,自然沟蚀的复杂形态和异质空间分布使其难以与周围地形区分开来。现有的沟蚀分割方法往往难以同时利用细粒度纹理信息和更广泛的上下文线索,从而导致漏检、误分类和分割结果不连贯。为克服这些局限性,我们提出了ECTFNet,这是一种统一的多尺度融合架构,它将卷积神经网络(CNN)与Transformer模块相结合,从而能够从高分辨率遥感图像中实现对中国东北部黑土地区的高精度沟蚀分割。ECTFNet同时捕捉局部纹理特征(如边缘、宽度变化和形态转换)以及全局结构属性(包括空间分布、方向和邻接关系)。嵌入的特征融合模块(FFM)采用渐进式的逐层传播机制,增强了跨尺度特征之间的相互作用,从而提高了分割精度并更好地保留了沟蚀边界细节。实验结果表明,ECTFNet的表现超越了现有最先进的方法,整体准确率(OA)达到94.76%,平均交并比(mIoU)为83.92%,F1分数为86.12%。该网络在不同类型的沟蚀和各种环境条件下也表现出了很强的适应性和泛化能力:季节性沟蚀(OA 96.67%,mIoU 86.81%,F1 86.56%)、永久性沟蚀(OA 95.69%,mIoU 84.47%,F1 87.38%)以及复杂背景下的沟蚀(OA 92.86%,mIoU 81.28%,F1 84.32%)。总体而言,所提出的方法能够...
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号