Superpixel-Based Style Transfer Method for Single-Temporal Remote Sensing Image Identification in Forest Type Groups

本研究研究区位于中国云南省曲靖市会泽县。以GF和Landsat卫星图像为数据，采用深度学习图像翻译的概念，提出了F-Pix2Pix语义分割方法。森林/非森林和针叶林/阔叶林的识别为区域碳汇的准确估算提供了基础。

主要结论如下:

1.本文提出的F-Pix2Pix对MIoU的改善效果最好，非林/林和针叶林/阔叶林的精度分别为21.48%和29.44%，高于现有产品。森林/非森林之间的区别高于针叶林和阔叶林之间的区别。在未来的应用中，前者可以为后者提供支持，以提高识别精度。

2.将迁移学习领域自适应应用于语义分割具有显著的优势，并且与森林/非森林相比，该方法在针叶林/阔叶林中取得了更好的结果。此外，该方法利用不同分辨率的卫星图像来解决类不平衡问题。

3.我们通过图像到图像的翻译实现语义分割，FPix2Pix不仅有效地解决了类不平衡问题，而且在不同的卫星图像中表现出良好的性能。可用于多源图像，泛化能力强，为长期监测提供了可能。针叶林和阔叶林的识别结合森林的实际地理特征是准确估算区域碳源/汇的基础工作。

原文链接：https://doi.org/10.3390/rs15153875