目的隨著遙感影像空間分辨率的提升,相同地物的空間紋理表現(xiàn)形式差異變大,地物特征更加復(fù)雜多樣,傳統(tǒng)的變化檢測方法已很難滿足需求。為提高高分辨率遙感影像的變化檢測精度,尤其對相同地物中紋理差異較大的區(qū)域做出有效判別,提出結(jié)合深度學(xué)習(xí)和超像元分割的高分辨率遙感影像變化檢測方法。方法將有限帶標(biāo)簽數(shù)據(jù)分割成切片作訓(xùn)練樣本,按照樣本形式設(shè)計一個多切片尺度特征融合網(wǎng)絡(luò)并對其訓(xùn)練,獲得測試圖像的初步變化檢測結(jié)果;利用超像元分割算法將測試圖像分割成許多無重疊的同質(zhì)性區(qū)域,并將分割結(jié)果與前述檢測結(jié)果疊合,得到帶分割標(biāo)記的變化檢測結(jié)果;用舉手表決算法統(tǒng)計帶分割標(biāo)記的變化檢測結(jié)果中超像元的變化狀況,得到最終變化檢測結(jié)果。結(jié)果在變化檢測實驗結(jié)果中,本文提出的多切片尺度特征融合卷積網(wǎng)絡(luò)模型在廣東數(shù)據(jù)集和香港數(shù)據(jù)集上,優(yōu)于單一切片尺度下卷積神經(jīng)網(wǎng)絡(luò)模型,并且結(jié)合超像元的多切片尺度特征融合卷積網(wǎng)絡(luò)模型得到的Kappa系數(shù)分別達(dá)到80%和82%,比相應(yīng)的非超像元算法分別提高了6%和8%,在兩個測試集上表現(xiàn)均優(yōu)于長短時記憶網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等對比算法。結(jié)論本文提出的卷積神經(jīng)網(wǎng)絡(luò)變化檢測方法可以充分學(xué)習(xí)切片的空間信息和其他... 

【文章頁數(shù)】：12 頁

【文章目錄】：
0 引 言
1 結(jié)合深度學(xué)習(xí)和超像元分割的變化檢測方法
    1.1 面向變化檢測的遙感影像預(yù)處理
    1.2 基于深度監(jiān)督學(xué)習(xí)的變化檢測模型
        1.2.1 樣本選擇
        1.2.2 多尺度切片特征融合網(wǎng)絡(luò)(MPFF-CNN)
    1.3 結(jié)合深度學(xué)習(xí)和超像元分割的變化檢測模型
2 實驗與分析
    2.1 實驗數(shù)據(jù)
    2.2 實驗結(jié)果分析
        2.2.1 切片尺度分析
        2.2.2 超像元個數(shù)敏感度分析
        2.2.3 變化檢測結(jié)果分析
3 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]多時相遙感影像變化檢測方法綜述[J]. 眭海剛,馮文卿,李文卓,孫開敏,徐川.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2018(12)
[2]高分辨率遙感影像的深度學(xué)習(xí)變化檢測方法[J]. 張鑫龍,陳秀萬,李飛,楊婷.  測繪學(xué)報. 2017(08)
[3]超像素分割算法研究綜述[J]. 王春瑤,陳俊周,李煒.  計算機(jī)應(yīng)用研究. 2014(01)



本文編號：3684109