张媛芳

（昆明市日报，云南 昆明 650201）

0 引言

耕地的数量和质量是保持农业可持续发展的关键，准确的耕地分布能够为国家决策部门提供重要支撑，利用卫星遥感影像可以高精度、高质量识别并提取耕地。 为了解决在遥感图像中耕地分割与提取的问题，本文通过将原始图片灰度化并进行二值化处理，分离耕地与背景区域；以主干特征提取网络MobileNetV2和加强特征提取结构PSP模块搭建的PSPNet神经网络模型进行图片训练，得到训练后的模型，进行图片预测，从而将图像中的耕地区域提取出来。通过改变模型训练的数据集和训练次数的大小，探讨这一改变对图片提取耕地区域精准度的影响。

1 问题重述

问题背景：目前高精度的耕地信息提取主要依靠人工解译，耗费大量人力、财力且效率较低。图像分割与提取是获取图像内部信息的两种重要手段，利用卫星遥感影像可以识别并提取耕地，进行自动化地块提取显得日益重要。

需要解决的问题：建立模型构造出分割耕地与背景的方法，可以使其耕地区域与背景区域准确分离出来，并且计算出耕地区域在图像中所占比例；进行数据集制作，构建神经网络进行模型训练，使之通过训练好的模型进行预测，提取出耕地区域，用labelme软件进行数据标签的制作。

2 问题分析

问题的研究对象是遥感图像，研究内容为在遥感图像地块中分割耕地与背景，并且通过模型训练，进行模型预测，从遥感图像中提取出耕地区域，制作耕地标签图。……