當(dāng)前人工調(diào)查土地資源利用情況具有較高的人力成本且勞動(dòng)強(qiáng)度大,對(duì)其實(shí)現(xiàn)自動(dòng)變化檢測(cè)具有較高的理論和應(yīng)用價(jià)值。將深度置信網(wǎng)絡(luò)（deep belief network,DBN）應(yīng)用于高分辨率遙感影像的建筑物變化檢測(cè),但DBN在變化檢測(cè)時(shí)存在由誤判現(xiàn)象造成的建筑物完整度欠缺、空間存在噪聲等問(wèn)題,提出DBN與數(shù)學(xué)形態(tài)學(xué)融合模型對(duì)高分辨率遙感影像建筑物進(jìn)行變化檢測(cè)。在遙感影像預(yù)處理基礎(chǔ)上,標(biāo)記少量明顯的變化與未變化樣本,利用搜索窗口從標(biāo)記的區(qū)域獲取大量帶有標(biāo)簽的樣本訓(xùn)練融合模型分類(lèi)器對(duì)建筑物進(jìn)行變化檢測(cè),檢測(cè)方法準(zhǔn)確率為94.76%,召回率為87.63%,F₁為91.06%。實(shí)驗(yàn)結(jié)果表明,該方法可以為建筑物的變化檢測(cè)提供有效依據(jù)。 

【文章來(lái)源】：科學(xué)技術(shù)與工程. 2020,20(08)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

受限玻爾茲曼機(jī)

在DBN進(jìn)行建筑物變化檢測(cè)后,會(huì)存在建筑物完整度欠缺、空間存在孤立點(diǎn)等問(wèn)題,會(huì)對(duì)建筑物變化檢測(cè)精度造成一定負(fù)影響。而數(shù)學(xué)形態(tài)學(xué)在圖像濾波、特征抽取、圖像增強(qiáng)和恢復(fù)等方面具有良好的性能,利用形態(tài)學(xué)算子還可以有效地消除圖像噪聲,同時(shí)保留圖像中原有的信息,突出圖像的幾何特征[16]。因此,采用數(shù)學(xué)形態(tài)學(xué)理論對(duì)建筑物變化檢測(cè)結(jié)果進(jìn)行優(yōu)化。數(shù)學(xué)形態(tài)學(xué)的基本思想是通過(guò)集合來(lái)定量描述目標(biāo)信號(hào)的幾何結(jié)構(gòu),即利用預(yù)先定義好的結(jié)構(gòu)元素與信號(hào)的集合特征進(jìn)行局部匹配或修整,同時(shí)保留目標(biāo)信號(hào)的主要形狀特征,以達(dá)到抑制噪聲并提取有用信息的目的。其中,結(jié)構(gòu)元素是數(shù)學(xué)形態(tài)學(xué)的基本要素,具有任意形狀和尺寸[17]。數(shù)學(xué)形態(tài)學(xué)處理對(duì)象主要為灰度圖像和二值圖像[18],其基本運(yùn)算包括膨脹、腐蝕、閉運(yùn)算、開(kāi)運(yùn)算等。

式(12)表示用結(jié)構(gòu)B膨脹A,在B中定義一個(gè)原點(diǎn),且B的移動(dòng)過(guò)程與卷積核移動(dòng)的過(guò)程一致,同卷積核與圖像有重疊之后再計(jì)算,將結(jié)構(gòu)元素B的原點(diǎn)平移到圖像像元(x,y)位置。如果在圖像像元(x,y)處與A的交際不為空,即B中為1的元素位置上對(duì)應(yīng)A的圖像值至少有一個(gè)為1,則輸出圖像對(duì)應(yīng)的像元(x,y)賦值為1,否則賦值為0。膨脹過(guò)程如圖3所示。圖4 腐蝕運(yùn)算示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)學(xué)形態(tài)學(xué)的位場(chǎng)數(shù)據(jù)邊緣增強(qiáng)方法[J]. 張建民,胡英颯,曾昭發(fā),杜威,張領(lǐng),槐楠,胡志鵬.  吉林大學(xué)學(xué)報(bào)(地球科學(xué)版). 2019(03)
[2]基于DBN和SOFTMAX的網(wǎng)絡(luò)入侵檢測(cè)模型[J]. 魏嘉毅,安琪,周超.  山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[3]一種正樣本單分類(lèi)框架下的高分辨率遙感影像建筑物變化檢測(cè)算法[J]. 劉波,燕琴,劉恒飛,馬磊.  測(cè)繪工程. 2019(02)
[4]一種融合MBI的多特征建筑物變化檢測(cè)方法[J]. 俞曉飛.  測(cè)繪與空間地理信息. 2018(11)
[5]基于數(shù)學(xué)形態(tài)學(xué)圖像處理的泥質(zhì)紋層定量表征——以加拿大麥凱河油砂區(qū)塊為例[J]. 陳浩,穆龍新,黃繼新,常廣發(fā),武軍昌,孫天建.  科學(xué)技術(shù)與工程. 2018(26)
[6]基于極限學(xué)習(xí)機(jī)的GF-2影像分類(lèi)[J]. 王明常,張馨月,張旭晴,王鳳艷,牛雪峰,王紅.  吉林大學(xué)學(xué)報(bào)(地球科學(xué)版). 2018(02)
[7]結(jié)合像元級(jí)和目標(biāo)級(jí)的高分辨率遙感影像建筑物變化檢測(cè)[J]. 張志強(qiáng),張新長(zhǎng),辛秦川,楊曉羚.  測(cè)繪學(xué)報(bào). 2018(01)
[8]基于DBN與對(duì)象融合的遙感圖像變化檢測(cè)方法[J]. 竇方正,孫漢昌,孫顯,刁文輝,付琨.  計(jì)算機(jī)工程. 2018(04)
[9]遙感圖像建筑物識(shí)別及變化檢測(cè)方法[J]. 張永梅,季艷,馬禮,張睿,李潔瓊,熊焰.  電子學(xué)報(bào). 2014(04)
[10]基于數(shù)學(xué)形態(tài)學(xué)圖像分割算法在水果分級(jí)中的應(yīng)用[J]. 朱培逸,劉紅晴.  科學(xué)技術(shù)與工程. 2013(34)



本文編號(hào)：3114885