基于深度学习与对象导向图像分析的多光谱 Sentinel-2 影像森林覆盖图谱
计算机视觉与模式识别
2026-03-03 v1 人工智能
摘要
本研究提出一种名为 "ForCM" 的新方法，用于从多光谱 Sentinel-2 影像中进行森林覆盖图制图，该方法将对象导向图像分析（Object-Based Image Analysis, OBIA）与深度学习（Deep Learning, DL）相结合。该研究探索了应用于亚马逊雨林的高分辨率 Sentinel-2 Level 2A 卫星影像的多种深度学习模型，包括 UNet、UNet++、ResUNet、AttentionUNet 和 ResNet50-Segnet。数据集包括三个集合：两个三波段影像集合和一个四波段影像集合。经过评估后，将最有效的深度学习模型分别与 OBIA 技术集成以提高映射精度。本工作的原创性在于评估不同深度学习模型与 OBIA 的组合情况，并将其与传统 OBIA 方法进行比较。结果表明，所提出的 ForCM 方法提高了森林覆盖图的制图精度，分别以 ResUNet-OBIA 和 AttentionUNet-OBIA 实现了 94.54% 和 95.64% 的总体准确率，而传统 OBIA 方法仅实现了 92.91% 的准确率。本研究还展示了诸如 QGIS 等免费且用户友好的工具在其局限性下的准确制图的潜力，支持全球环境监测和保育工作。
引用
@article{arxiv.2512.23196,
title = {ForCM: Forest Cover Mapping from Multispectral Sentinel-2 Image by Integrating Deep Learning with Object-Based Image Analysis},
author = {Maisha Haque and Israt Jahan Ayshi and Sadaf M. Anis and Nahian Tasnim and Mithila Moontaha and Md. Sabbir Ahmed and Muhammad Iqbal Hossain and Mohammad Zavid Parvez and Subrata Chakraborty and Biswajeet Pradhan and Biswajit Banik},
journal= {arXiv preprint arXiv:2512.23196},
year = {2026}
}
备注
15 pages, 7 figures. Accepted for presentation at the Australasian Data Science and Machine Learning Conference (AusDM 2024)