摘要： 【目的】为提取林区主要地物分布信息，基于注意力机制和DeepLabV3+语义分割网络提出一种面向无人机林区图像的地物分割方法Tree-DeepLab。【方法】根据不同的林区地物类型对图像进行标注，标注类型分为法国梧桐(Platanus orientalis)、银杏(Ginkgo biloba)、杨树(Populus sp.)、草地、道路和裸地6类，以获取语义分割数据集。对语义分割网络进行改进：(1)将带有分组注意力机制的ResNeSt101网络作为DeepLabV3+语义分割网络的主干网络；(2)将空洞空间卷积池化金字塔模块的连接方式设置成串并行相结合形式，同时改变空洞卷积的扩张率组合；(3)解码器增加浅层特征融合分支；(4)解码器增加空间注意力模块；(5)解码器增加高效通道注意力模块。【结果】在自制数据集基础上进行训练和测试，试验结果表明：Tree-DeepLab语义分割模型的平均像素精度和平均交并比分别为97.04%和85.01%,较原始DeepLabV3+分别提升4.03和14.07个百分点，且优于U-Net和PSPNet语义分割网络。【结论】Tree-DeepLab语义分割网络能够有效分割无人机航拍林区图像，以获取林区主要地物类型的分布信息。

关键词: 无人机, 地物分割, 林区图像, DeepLabV3+, 注意力机制, ResNeSt

中图分类号: 

• S758

• TP183

• TP391.41