準(zhǔn)確提取鋼鐵廠對(duì)去產(chǎn)能監(jiān)測(cè)和環(huán)境保護(hù)具有重要意義。傳統(tǒng)的人工目視解譯方法效率低、成本高,無(wú)法滿足開(kāi)展大區(qū)域鋼鐵廠監(jiān)測(cè)的需求。以深度學(xué)習(xí)目標(biāo)檢測(cè)網(wǎng)絡(luò)SSD為基礎(chǔ),構(gòu)建面向遙感影像鋼鐵廠提取的深度學(xué)習(xí)目標(biāo)檢測(cè)網(wǎng)絡(luò),提出maxout模塊,將負(fù)樣本通路優(yōu)化為多分支結(jié)構(gòu),突出難分負(fù)樣本特征并提升網(wǎng)絡(luò)對(duì)無(wú)用特征的抵制效果。利用國(guó)產(chǎn)GF-1數(shù)據(jù)對(duì)京津冀地區(qū)的鋼鐵廠進(jìn)行快速自動(dòng)提取實(shí)驗(yàn)。與人工解譯的鋼鐵廠點(diǎn)位數(shù)據(jù)的對(duì)比表明,該目標(biāo)檢測(cè)方法的提取精度達(dá)到80%以上。 

【文章來(lái)源】：中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2020,37(03)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

復(fù)雜的鋼鐵廠

選擇京津冀地區(qū)作為鋼鐵廠提取研究區(qū)域，如圖2所示。京津冀地區(qū)是中國(guó)政治文化中心和經(jīng)濟(jì)發(fā)展重點(diǎn)區(qū)域，總面積21.8萬(wàn)km2，包含北京、天津、雄安新區(qū)等核心功能區(qū)。該地區(qū)土地緊缺且利用方式復(fù)雜多樣，人口稠密，環(huán)境容量有限。區(qū)域經(jīng)濟(jì)社會(huì)的良性發(fā)展，需要人和自然環(huán)境達(dá)成和諧統(tǒng)一，但頻發(fā)的霧霾污染事件已成為該區(qū)域經(jīng)濟(jì)社會(huì)進(jìn)一步發(fā)展的重大障礙。鋼鐵行業(yè)是社會(huì)經(jīng)濟(jì)發(fā)展的重要組成部分，同時(shí)也是主要的大氣污染源之一。提高京津冀地區(qū)的鋼鐵廠監(jiān)測(cè)效率和精度，對(duì)于經(jīng)濟(jì)產(chǎn)業(yè)發(fā)展和環(huán)境保護(hù)都具有重要意義。1.2 數(shù)據(jù)

本文使用VGG16[15]作為特征提取的基礎(chǔ)網(wǎng)絡(luò)，VGG16網(wǎng)絡(luò)在計(jì)算機(jī)領(lǐng)域表現(xiàn)優(yōu)秀，主要用來(lái)提取目標(biāo)的低層特征。VGG16的網(wǎng)絡(luò)層主要由卷積層、激活層以及池化層組成。卷積層用來(lái)抽象目標(biāo)的特征，卷積核設(shè)為3，步長(zhǎng)設(shè)為1，像素?cái)U(kuò)充設(shè)為1，用來(lái)保持卷積過(guò)后特征圖的圖像分辨率。激活層用來(lái)減少網(wǎng)絡(luò)參數(shù)的相互依存關(guān)系，緩解過(guò)擬合問(wèn)題。池化層用來(lái)降低特征圖維度，減少數(shù)據(jù)量，使用的池化方法是最大池化，其中卷積核設(shè)為2，步長(zhǎng)設(shè)為2，像素?cái)U(kuò)充設(shè)為0。隨著網(wǎng)絡(luò)的深入，每個(gè)網(wǎng)絡(luò)層生成的特征圖圖像分辨率逐漸降低，特征圖感受野越來(lái)越大。原始的SSD網(wǎng)絡(luò)在VGG16基礎(chǔ)上額外添加4個(gè)卷積層，加上VGG16的2個(gè)卷積層，總共生成6個(gè)卷積層，用于檢測(cè)不同尺度下的目標(biāo)，稱為“預(yù)測(cè)層”。由于鋼鐵廠樣本較少，5年的多時(shí)相遙感GF-1數(shù)據(jù)雖然使樣本數(shù)量擴(kuò)大5倍，同時(shí)SSD網(wǎng)絡(luò)的數(shù)據(jù)增強(qiáng)模塊也能大大增加樣本的多樣性，但樣本數(shù)依然遠(yuǎn)遠(yuǎn)不夠。鋼鐵廠要素繁雜，在正樣本不足的情況下，模型訓(xùn)練過(guò)程中不能充分學(xué)習(xí)到屬于鋼鐵廠本身的特征。另外，遙感影像背景復(fù)雜導(dǎo)致大多數(shù)負(fù)樣本是簡(jiǎn)單易分的，無(wú)法有效抵制干擾信息，這些因素會(huì)導(dǎo)致模型檢測(cè)出大量的非鋼鐵廠混淆地物。因此，在正樣本缺乏的情況下，增強(qiáng)負(fù)樣本即遙感背景的抵制效果，對(duì)于提升鋼鐵廠這類綜合復(fù)雜目標(biāo)的檢測(cè)精度尤為重要。

【參考文獻(xiàn)】：
期刊論文
[1]基于稠密卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像自動(dòng)色彩校正[J]. 朱思捷,雷斌,吳一戎.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2019(01)
[2]遙感大數(shù)據(jù)時(shí)代與智能信息提取[J]. 張兵.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(12)
[3]深度卷積神經(jīng)網(wǎng)絡(luò)在遷移學(xué)習(xí)模式下的SAR目標(biāo)識(shí)別[J]. 李松,魏中浩,張冰塵,洪文.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2018(01)
[4]基于光譜紋理特征融合和神經(jīng)網(wǎng)絡(luò)的地表發(fā)射率獲取方法（英文）[J]. 徐開(kāi)發(fā),雷斌,張?jiān)骆?  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2018(01)



本文編號(hào)：3613645