基于SE-DRUnet的遥感影像耕地变化检测

针对近些年耕地流失严重、现有的遥感图像变化检测方法准确率不高、抗噪能力差的问题,提出一种基于U-net改进的网络模型SE-DRU net.该模型对遥感图像的像素分类进行了优化,是一种端到端的变化检测方法.采用VGGNet思想来增大感受野,提高抗噪能力,并且引入SE模块和残差结构GO来提升性能.首先对图像进行预处理,然后人工标注变化区域,并对训练集数据做数据增强后放入SE-DRUnet模型中训练,最后对模型预测结果图做后处理来获取更好检测效果.所提出的网络模型检测准确率更高、抗噪能力更强,该方法的有效性和可靠性已在Landsat8数据集上得到了验证.实验结果表明,该模型在变化检测任务上的准确率、精确率、召回率和F1值分别为95.61％,92.33％,86.62％,89.39％,优于其他模型.