基于深度学习与矢-栅数据的图斑变化检测系统
2022-03-13单浩宇王春晓尹鹏程李二珠张连蓬史嘉诚
现代测绘 2022年6期
关键词:模型
单浩宇,王春晓,尹鹏程,李二珠,张连蓬,史嘉诚,刘 伟
(1.江苏师范大学地理测绘与城乡规划学院,江苏 徐州 221116;2.自然资源部海南基础地理信息中心,海南 海口 570203;3.徐州市自然资源与规划局,江苏 徐州 221018)
0 引 言
长期以来,我国国土监管部门主要采用遥感影像内业人工解译及外业人工辅助配合调查的方式提取地物信息,调查周期长,时效性差,需要投入大量人力物力,难以满足当前土地监管的需求[1]。近年来,随着卫星遥感技术的快速发展,利用高分辨率遥感影像进行变化检测的应用场景愈加广泛。深度学习技术不断发展,以其高精度、高效率的方法在遥感影像变化检测领域受到追捧[2-3],为解决土地监管问题提供了新的方案。
传统的图斑变化检测方法大多围绕高分遥感影像多元化特征提取或融合以提高检测精度[4],在一定程度上提升了生产效率,但需要大量先验知识和参数调整,应用中仍呈现人工干预多、自动化程度较低,检测结果的可靠性和准确性仍有较大提升空间等特点[5-6]。现阶段基于矢量数据的地类图斑变化检测研究较少,并不能很好地发挥已有矢量数据成果的价值以及满足智能化地类图斑变化检测的需求[7]。近年来,深度学习在图像分类与识别中表现出显著的应用潜力[8]。在深度学习中,地类图斑变化检测任务可转化为对目标对象的识别和分类问题,通过深度学习方法在遥感影像中提取复杂特征,从而识别出变化区域[9-10]。……
登录APP查看全文
