本技术涉及一种利用优化的嵌套UNet神经网络进行海洋养殖区域预测的技术。该技术领域为海洋养殖区域预测,通过预处理高分3号雷达影像和高分2号光学影像数据,实现养殖区域的高效预测。
背景技术
现有筏式养殖区的预测方法主要有目视解译、特征指数、深度学习和面向对象等,其多为基于神经网络对单一数据源的提取,对养殖区域的预测精度受限。且筏式养殖设施经常在局部被水淹没,导致其光谱信息较弱。传统的预测方法和深度学习方法对养殖区域的预测精度都具有一定局限性。近年来,随着深度卷积神经网络(CNN)的飞速发展,特别是全卷积网络(FCN)在区域预测领域的快速兴起,显著性目标预测水平实现了大幅度进步。
本发明所采用的深度学习方法具有强大的数据挖掘和特征提取能力,通过卷积层自主学习影像光谱信息和空间特征,避免对影像进行复杂的光谱特征分析,减少工作量,同时通过对雷达影像和光学影像数据进行影像融合,能够实现大范围自动精准分类,且具有鲁棒性、稳定性及不变性等优势。SAR影像不受云、雨等天气影响,能全天时、全天候地进行观测,本发明所用的高分3号卫星影像是典型的SAR卫星影像之一。本发明通过添加通道注意力机制改进U2
-Net卷积神经网络,综合利用光学影像和SAR影像的优势,提高了筏式养殖区预测的精度和可靠性。
实现思路