-
题名基于深度学习算法的卫星影像变化监测
被引量：19
- 1
-
-
作者
王志有
李欢
刘自增
吴加敏
施祖贤
-
机构
宁夏回族自治区遥感测绘勘查院
北京科技大学计算机与通信工程学院
北京科技大学材料领域知识工程北京市重点实验室
-
出处
《计算机系统应用》
2020年第1期40-48,共9页
-
基金
宁夏回族自治区重点研发计划项目(2018YBZD1629)~~
-
文摘
遥感影像的变化检测是遥感应用研究的热点之一,在城市变化、环境监测、土地利用以及基础地理数据库更新等领域中有着广泛的应用.变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征和过程,具体工作是对同一地区不同时相的两幅或多幅图像进行分析,检测出其中的变化部分与未变化部分.本文提出了基于堆栈降噪自动编码器网络的变化检测方法,将应用于SAR (Synthetic Aperture Radar,合成孔径雷达)卫星图像变化检测的深度学习算法改进,使之适用于高分光学卫星图像,然后在孪生网络的结构上进行改进,提出了基于分支卷积神经网络的变化检测方法,最后设计算法去除了阴影干扰和噪声等伪变化,并在高分二号卫星中宁夏地区的实际生产数据影像上进行了测试,取得了不错的效果.
-
关键词
遥感影像
变化检测
深度学习
去噪增强
卷积神经网络
-
Keywords
remote sensing image
change detection
deep learning
denoising enhancement
Convolutional Neural Network(CNN)
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
TP18
[自动化与计算机技术—控制科学与工程]
-
-
题名全卷积神经网络下的多光谱遥感影像分割
被引量：16
- 2
-
-
作者
姚建华
吴加敏
杨勇
施祖贤
-
机构
宁夏回族自治区遥感测绘勘查院
北京科技大学计算机与通信工程学院
材料领域知识工程北京市重点实验室
-
出处
《中国图象图形学报》
CSCD
北大核心
2020年第1期180-192,共13页
-
基金
宁夏回族自治区重点研发计划项目(2018YBZD1629).
-
文摘
目的传统的遥感影像分割方法需要大量人工参与特征选取以及参数选择,同时浅层的机器学习算法无法取得高精度的分割结果。因此,利用卷积神经网络能够自动学习特征的特性,借鉴处理自然图像语义分割的优秀网络结构,针对遥感数据集的特点提出新的基于全卷积神经网络的遥感影像分割方法。方法针对遥感影像中目标排列紧凑、尺寸变化大的特点,提出基于金字塔池化和DUC(dense upsampling convolution)结构的全卷积神经网络。该网络结构使用改进的Dense Net作为基础网络提取影像特征,使用空间金字塔池化结构获取上下文信息,使用DUC结构进行上采样以恢复细节信息。在数据处理阶段,结合遥感知识将波段融合生成多源数据,生成植被指数和归一化水指数,增加特征。针对遥感影像尺寸较大、采用普通预测方法会出现拼接痕迹的问题,提出基于集成学习的滑动步长预测方法,对每个像素预测14次,每次预测像素都位于不同图像块的不同位置,对多次预测得到的结果进行投票。在预测结束后,使用全连接条件随机场(CRFs)对预测结果进行后处理,细化地物边界,优化分割结果。结果结合遥感知识将波段融合生成多源数据可使分割精度提高3.19%;采用基于集成学习的滑动步长预测方法可使分割精度较不使用该方法时提高1.44%;使用全连接CRFs对预测结果进行后处理可使分割精度提高1.03%。结论针对宁夏特殊地形的遥感影像语义分割问题,提出基于全卷积神经网络的新的网络结构,在此基础上采用集成学习的滑动步长预测方法,使用全连接条件随机场进行影像后处理可优化分割结果,提高遥感影像语义分割精度。
-
关键词
遥感影像
语义分割
全卷积神经网络
DUC结构
空间金字塔池化
上下文信息
多尺度特征
-
Keywords
remote sensing image
semantic segmentation
fully convolutional neural network
dense upsampling convolution(DUC)structure
spatial pyramid pooling
contextual information
multi-scale features
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP751
[自动化与计算机技术—控制科学与工程]
-
