徐世武，张诗，曾珏，刘秀珍

(1.中国地质大学(武汉)，武汉 430078；2.中国国土勘测规划院，北京 100035)

0 引言

土地资源利用状况直接关系到政府决策和经济民生[1]。为了摸清生产能力家底，国家组织了第三次全国国土调查[2]，其原则是基层负责调查，上级负责核查，逐级汇总，核查工作量巨大。传统的人工核查模式存在客观性不足，效率较低的问题。随着技术的全面进步，DCNN(deep convolutional neural networks)在遥感智能解译方面取得丰硕成果，利用DCNN进行高分辨率影像土地利用/土地覆盖类型核查是大势所趋[3-6]。第三次全国国土调查工作分类非常细致，农村地区使用0.8 m卫星影像，城镇地区使用0.2 m航拍影像。目前各种已有的土地利用样本集在支持的类型和空间分辨率等方面与新一轮国土调查需求存在差距，土地利用图斑形状与矩形感受野不套合也是限制DCNN类型判定精度提高的因素之一。本文提出一套基于高分辨率影像的DCNN土地利用图斑类型核查方法。一方面，使用掩膜降低感受野背景噪声，提升DCNN的学习效率，增强语义的准确获取能力；另一方面，通过图斑土地利用类型与对应高分辨率影像语义的符合性检查，实现图斑的有效核查。

1 相关工作

遥感解译广泛采用DCNN技术提高识别精度和效率，合适的样本集是确保精度的关键。目前高分辨率影像分类广泛使用的数据集有：UCM[7]、WHU-RS19[8]、AID[9]、RSD46-WHU[10]以及以国产影像为数据源的GID[11]。UCM遥感影像数据集的场景分为农业区、森林、房屋、河流和立交桥等21种类别，每类包含100张图片，空间分辨率为0.3 m。……