第３５卷，第２期自然资源遥感Ｖｏｌ．３５，Ｎｏ．２２０２３年６月ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＮＡＴＵＲＡＬＲＥＳＯＵＲＣＥＳＪｕｎ．，２０２３ｄｏｉ：１０．６０４６／ｚｒｚｙｙｇ．２０２２１５８引用格式：刁明光，刘勇，郭宁博，等．基于ＭａｓｋＲ－ＣＮＮ的遥感影像疏林地智能识别方法［Ｊ］．自然资源遥感，２０２３，３５（２）：９７－１０４．（ＤｉａｏＭＧ，ＬｉｕＹ，ＧｕｏＮＢ，ｅｔａｌ．ＭａｓｋＲ－ＣＮＮ－ｂａｓｅｄｉｎｔｅｌｌｉｇｅｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｓｐａｒｓｅｗｏｏｄｓｆｒｏｍｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｆｏｒＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓ，２０２３，３５（２）：９７－１０４．）基于ＭａｓｋＲ－ＣＮＮ的遥感影像疏林地智能识别方法刁明光１，刘勇１，郭宁博１，李文吉２，江继康１，王云霄１（１．中国地质大学（北京）信息工程学院，北京１０００８３；２．中国自然资源航空物探遥感中心，北京１０００８３）摘要：针对遥感影像疏林地提取方法少且精度不高，缺乏智能识别的数据集情况，提出了一套遥感影像疏林地智能识别方法。分别使用ＱＧＩＳ插件和Ｐｙｔｈｏｎ语言对该方法进行实现，完成了数据集制作的环节，为模型训练提供了数据支撑；通过特征提取生成特征图，在特征图中提取感兴趣区域（ｒｅｇｉｏｎｏｆｉｎｔｅｒｅｓｔ，ＲＯＩ），通过池化操作（ＲＯＩａｌｉｇｎ）对这些感兴趣区域进行过滤操作，减少因疏林地图像感兴趣区域过多而造成的内存消耗。实验表明，该方法可快速进行数据集制作，有效辅助遥感影像中疏林地的识别，使用基于ＭａｓｋＲ－ＣＮＮ的遥感影像疏林地智能识别方法对疏林地目标检测的均值平均准确率可以达到０．９２。关键词：遥感影像；疏林地；深度学习；ＭａｓｋＲ－ＣＮＮ；ＱＧＩＳ中图法分类号：ＴＰ７５１文献标志码：Ａ文章编号：２０９７－０３４Ｘ（２０２３）０２－００９７－０８收稿日期：２０２２－０４－２２；修订日期：２０２２－０５－１６基金项目：国家重点研发计划项目子课题“高亚洲和北极积雪－冰川与地质灾害数据可视化与算法集成研究”（编号：２０２１ＹＦＥ０１１６８０７）、中国地质调查局地质调查项目“全国矿山开发状况遥感地质调查与监测”（编号：ＤＤ２０１９０５１１）和中国自然资源部航空物理与遥感地质重点实验室课题“遥感影像典型矿山地物（露天采...
