2023年第36卷第7期ElectronicSci.＆Tech./Jul.15，2023https://journal.xidian.edu.cn收稿日期:2022-03-16基金项目:湖北省自然科学基金(2020CFA053);武汉市应用基础前沿项目(2020010601012184)NaturalScienceFoundationofHubeiProvince(2020CFA053);Wu-hanApplicationFoundationFrontierProject(2020010601012184)作者简介:曾薪鑫(1997－)，女，硕士研究生。研究方向:农业遥感。张洪艳(1983－)，男，博士，教授。研究方向:遥感信息处理与应用。基于多尺度语义信息增强的农田地块提取网络曾薪鑫，张洪艳(武汉大学测绘遥感信息工程国家重点实验室，湖北武汉430079)摘要针对因农田类间异质性高、相邻地块之间间隔小而出现的相邻地块黏连、地块提取不完整等问题，文中提出了一种基于多尺度语义信息增强的农田地块提取网络。采用并行的多尺度特征提取模块，通过保持特征图的高分辨率保留高精度的边缘信息，降低由下采样带来的细节损耗，缓解地块之间的黏连。使用基于注意力机制的全局语义信息增强模块，通过获取全局语义信息增强网络的类别判断能力减少地块提取不完整的现象。实验结果表明，在IoU、OA、F1－score评价指标上，文中方法比现有研究中具有代表性的4种算法提高了1%～13%。关键词高分辨率遥感影像;农田地块;深度学习;语义分割;多尺度特征;语义信息增强;地块黏连;地块不完整中图分类号TP751;S127文献标识码A文章编号1007－7820(2023)07－070－05doi:10.16180/j.cnki.issn1007－7820.2023.07.010AFarmlandParcelExtractionNetworkBasedonMulti－ScaleSemanticInformationEnhancementZENGXinxin，ZHANGHongyan(StateKeyLaboratoryofInformationEngineeringinSurveying，MappingandＲemoteSensing，WuhanUniversity，Wuhan430079，China)AbstractFacingtheproblemsofadhesionofadjacentparcelsandincompleteparcelsduetothehighheteroge-neityandthesmallregionamongneighborparcels，afarmlandparcelextractionnetworkbasedonmulti－scalese-manticinformationenhancementisproposedinthisstudy．Toalleviatetheadhesionbetweenparcels，themulti－scalefeatureextractionmodulewithparallelstructureisused，whichretainedthehigh－resolutionfeaturemapstomaintainhigh－precisionedgeinformationandreducethelossofspatiallocationinformationduetodownsampling．Furthermore，toreducethephenomenonofincompleteparcels，theglobalsemanticin...
