-
题名高分辨率遥感影像样本库动态构建与智能解译应用
- 1
-
-
作者
顾海燕
杨懿
李海涛
孙立坚
丁少鹏
刘世琦
-
机构
中国测绘科学研究院
测绘科学与地球空间信息技术自然资源部重点实验室
-
出处
《测绘学报》
EI
CSCD
北大核心
2024年第6期1165-1179,共15页
-
基金
国家重点研发计划(2023YFB3907600)。
-
文摘
在人工智能时代,遥感影像解译朝着自动化智能化方向发展,高质量的样本数据集是其核心。我国积累了海量优质的时空地理信息基础数据及衍生产品,是深度学习驱动的遥感影像智能解译样本的重要来源。盘活现有数据资源,可推动人工智能与遥感解译的应用深度与广度。本文基于现有数据资源,针对样本数据集区域受限、时效性不强、类型单一等问题,研究了面向深度学习的高分遥感影像智能解译样本库动态构建技术。首先,分析了要素提取、地表覆盖分类、变化检测方面的公开样本数据集的特点,提出业务驱动的样本应需生成-动态构建-智能应用思路;其次,研究了基于历史解译成果的样本自动生成、SAM大模型提示学习引导的样本清洗精化方法及实现过程;再次,设计了具有区域性、时序性、尺度性、多传感器、多类型的样本库,以及顾及空间-时间-地类关系的动态样本数据库架构,研究了样本数据集“量化-检索-组合”动态重构过程,实现时空样本的动态管理与多维检索;最后,开展了地表覆盖分类、要素提取、变化检测等智能解译应用,验证了本文研究思路及方法的可行性,以期推动基于已有基础数据的样本数据集的有效利用,以及样本构建-管理-应用及数据-模型-业务的互联互通,为高分遥感影像智能解译样本库构建与应用提供参考思路。
-
关键词
高分辨率遥感影像
样本库
样本精化
动态构建
智能解译
深度学习
地表覆盖分类
变化检测
-
Keywords
high-resolution remote sensing images
sample datasets
sample refinement
dynamic construction
intelligent interpretation
deep learning
land cover classification
change detection
-
分类号
P237
[天文地球—摄影测量与遥感]
-
-
题名一种针对精化样本的非监督SAR变化检测方法
被引量：1
- 2
-
-
作者
董友强
李晓龙
崔斌
-
机构
北京建筑大学测绘与城市空间信息学院
重庆市地理信息和遥感应用中心
南京邮电大学地理与生物信息学院
-
出处
《测绘科学》
CSCD
北大核心
2021年第11期91-97,共7页
-
基金
国家重点研发计划项目(2019YFC1520800)
北京市博士后工作经费资助项目。
-
文摘
针对非监督框架下的深度学习SAR变化检测方法在样本选取时出现样本非平衡及冗余问题,改进了一种针对精化样本的非监督SAR影像变化检测方法:利用分层FCM针对不同差异图进行分割确定初始类别;提出利用邻域清理规则进行潜在错误样本剔除并利用异质类空间距离完成对样本的筛选;构造卷积神经网络完成对待确定类别像素的分类,得到最终变化结果。采用三组实验数据进行实验,结果表明该文方法可行有效,且能在较好应对样本问题的同时具有较高的变化检测精度。
-
关键词
SAR变化检测
样本精化选取
卷积神经网络
邻域清理规则
空间距离
-
Keywords
SAR change detection
refined sample
convolutional neural networks
Neighborhood cleanup rules
spatial distance
-
分类号
P237
[天文地球—摄影测量与遥感]
-
