林业科学

作者：陈广胜,温林郅,张文均,李超,于鸣,景维鹏*

单位：东北林业大学　哈尔滨 150040

关键词：遥感影像,树种分类,单域泛化,语义分割,轻量化模型

基金：国家自然科学基金面上项目（32271865）。

目的: 针对不同区域因气候、土壤等生态因子差异导致的域偏移问题，提出一种基于全局-局部特征融合的单域泛化方法，提升复杂森林场景下无标签树种识别的泛化性能，为跨域树种分类研究提供理论依据和实践支持。方法: 选取德国巴登-符腾堡州南部和中国黄山市祁门县西部为源域，德国图林根州中部和中国黄山市祁门县东部为目标域，构建一种全局-局部特征融合网络（HUFNet）模型进行树种分类，HUFNet模型包含基于CNN的编码器层、基于Transformer的解码器层、全局-局部特征融合机制（GLAFE）、特征精炼头（FRH）和边界优化模块（ERV）。模型经源域数据集训练后，在目标域上测试验证其泛化能力，实现复杂场景跨域树种分类。结果: 通过多个源域和目标域数据集的对比验证，HUFNet模型在目标域HainichUAV数据集上对针叶和阔叶树种的分类总体准确率（OA）为75.1%，平均交并比（mIoU）为58.3%，相比基于自注意力机制的分类架构分别提升13.7%与11.7%。在目标域HuangshanEast数据集上，HUFNet模型的OA为71.7%，mIoU为56.8%，相比ViT-R50作为编码器的混合架构，OA提升1.2%。结论: HUFNet模型的跨域树种分类性能明显提升，不仅保持了高精度的识别能力，而且在目标域上展现出强大的跨域泛化能力，同时大幅降低了模型的时间复杂度和空间复杂度，适用于资源受限的环境。该模型基于全局-局部特征融合的单域泛化方法，为跨域树种分类提供了新的研究思路。

来源：2025年第4期

《林业科学》期刊编辑部

查看林业科学杂志2025年第4期