APP下载

基于改进U-Net的城市新增建设用地高分遥感变化检测

2021-12-17潘建平李明明孙博文李鑫胡勇

遥感信息 2021年5期
关键词:建设

潘建平,李明明,孙博文,李鑫,胡勇

(1.重庆交通大学 土木工程学院,重庆 400074;2.重庆市规划和自然资源调查监测院,重庆 401123)

0 引言

城市新增建设用地是城市建设的重要组成部分,其准确提取对制定科学合理的城市规划与土地利用规划、合理利用城市土地资源,促进城市土地集约节约利用,提高城市土地利用具有重要意义[1]。随着遥感技术的快速发展,使得高分辨遥感影像实现对地表覆盖变化检测成为一种高效、准确的技术手段[2]。近些年,国内外学者在遥感影像变化检测中做了大量的研究,常用的方法有分类后比较法[3]、影像代数法[4]、变化向量分析法[5]及基于形状特征的变化检测方法[6]等,但是普遍存在影像预处理环节要求严格、部分环节需要人工干预,自动化程度低、难以处理多源数据等缺点[7]。

与常用的变化检测方法相比,深度学习算法具有极强的学习能力,能够拟合复杂的映射关系,解决复杂的任务场景[8],因此可以将深度学习算法引入遥感领域,利用深度神经网络强大的特征学习能力来解决复杂的遥感影像变化检测问题[9]。2010年Mnih等[10]首次将深度学习方法引入遥感领域,提出用DBN(deep belief networks)模型来检测机载遥感图像中的道路。2015年戴丹[11]使用BP神经网络对长沙市城市建设用地扩张规模进行预测研究。2016年Zhang等[12]采用去噪编码器进行多源遥感影像的变化检测,变化检测的精度高于传统的变化检测方法。2017年冯丽英[13]采用深度学习对城市建设用地信息进行提取,证明了深度卷积神经网络在分类精度上优于传统的分类器。……

登录APP查看全文

猜你喜欢

建设
自贸区建设再出发
基于IUV的4G承载网的模拟建设
《人大建设》伴我成长
保障房建设更快了
数字电视分前端建设随谈
野三化冶建设
“三化”建设
“三化”建设
“三化”建设
“三化”建设