近期，bob手机在线登陆信息与电子学院博士生桂媛媛、李伟教授、陶然教授，美国特拉华大学电子与计算机工程系夏香根教授与中国科学院空天信息创新研究院岳安志研究员共同合作，提出了一种用于多光谱宽视场高分遥感影像的有林地语义分割方法，研究结果以《Infrared Attention Network for Woodland Segmentation Using Multispectral Satellite Images》为题，发表于顶级期刊电气和电子工程师协会地学与遥感汇刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS，影响因子IF: 8.125)。

图 1 红外注意力网络（InfAttNet）结构

本文是课题组关于遥感影像有林地提取问题最新的研究成果。有林地作为一种地理类型，在全国土地面积占较大比重，对其进行有效提取与分析一直是土地调查的重点与难点。多光谱宽视场遥感影像的观测面积大、光谱信息丰富、空间分辨率较高，适宜作为有林地调查的观测手段，但有林地分布不均与树木类型多样的特性，以及宽视场影像幅宽较大等问题使有林地提取依然面临较大的挑战。

针对以上问题，课题组尝试使用基于深度学习的语义分割方法对多光谱宽视场高分遥感影像进行高效地有林地提取，针对有林地的特点与多光谱影像的特性，提出了红外注意力网络（InfAttNet，图1）。红外注意力网络使用语义分割方向普遍的“编码器-解码器”网络结构，且增加了一个额外的红外光谱编码器，这个红外光谱编码器可以利用植被对近红外和红边光谱的敏感性，改善有林地的提取。除此之外，红外注意力网络增加了几个注意力模块，加强了网络对植被特征的学习，从而提高有林地提取的正确性。

图 2 红外注意力网络与其它语义分割网络的有林地提取效果对比

红外注意力网络在中国的八个城市进行了算法验证，有林地平均提取正确率超过90%，且对于单景影像（幅宽850km）的处理时间优于5小时。该算法参与了“GF-6卫星宽幅相机林地类型精细分类与制图技术”项目，并通过最终验收，随项目推出一套基于红外注意力网络的“高分六号遥感影像有林地/非林地识别插件”（图4）。

图 3 使用红外注意力网络对黄山市进行有林地提取

图 4GF-6遥感影像有林地/非林地识别插件

代码链接：https://github.com/GrayVictoria/Infrared-Attention-Network-InfAttNet-