空間數(shù)據(jù)質(zhì)量檢查是數(shù)據(jù)準(zhǔn)確可靠的重要保障,是數(shù)據(jù)的生命線。然而,目前的空間數(shù)據(jù)質(zhì)量檢查主要針對拓?fù)潢P(guān)系、屬性一致性以及數(shù)據(jù)間的相關(guān)性進(jìn)行檢查,往往忽視矢量圖斑地類解譯真實性問題。因此,本文提出深度學(xué)習(xí)和高分遙感影像支持的矢量圖斑地類解譯真實性檢查方法,選用深度學(xué)習(xí)經(jīng)典模型Inception_v3進(jìn)行遷移學(xué)習(xí),對分割后的影像進(jìn)行自動場景分類,以高分遙感影像塊的場景分類結(jié)果作為參照依據(jù),對場景分類結(jié)果與矢量圖斑原始數(shù)據(jù)進(jìn)行疊加分析,自動查找出類別信息不符的分割單元,從而提取出可疑圖斑,實現(xiàn)矢量圖斑地類解譯真實性自動檢查,并在徐州市賈汪區(qū)青山泉鎮(zhèn)和大吳鎮(zhèn)的矢量圖斑地類解譯真實性檢查中進(jìn)行驗證。實驗結(jié)果表明,本文方法在研究區(qū)圖斑地類解譯真實性檢查中的精確率和召回率分別高達(dá)0.925和0.817,可為矢量圖斑地類解譯真實性檢查提供可靠的技術(shù)支撐。 

【文章來源】：地球信息科學(xué)學(xué)報. 2020,22(10)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

Inception模塊

準(zhǔn)確、可靠的空間數(shù)據(jù)是決策制定和重大工程應(yīng)用的關(guān)鍵保障。目前的空間數(shù)據(jù)質(zhì)量檢查主要包括屬性檢查和圖形檢查。屬性檢查主要針對要素的完備性、一致性以及屬性精度等進(jìn)行檢查。圖形檢查主要檢查點、線、面的拓?fù)潢P(guān)系是否按照要求建立，建立的拓?fù)潢P(guān)系是否完整且正確，是否存在偽結(jié)點、懸掛點、冗余點等[1]。例如，吳長彬等[2]提出基于知識與規(guī)則的地籍?dāng)?shù)據(jù)質(zhì)量檢查方法，通過分析提取和依靠專家經(jīng)驗建立地籍知識與規(guī)則庫,包括空間關(guān)系規(guī)則與屬性知識規(guī)則。覃東華等[3]基于FME平臺設(shè)計了一種針對地理國情監(jiān)測矢量數(shù)據(jù)接邊的檢查方法，該方法可對重要地理國情要素數(shù)據(jù)的幾何、屬性接邊情況進(jìn)行快速檢查，提高了地理國情監(jiān)測數(shù)據(jù)的質(zhì)量和生產(chǎn)效率。錢海忠等[4]提出基于制圖綜合知識的數(shù)據(jù)檢查：在對數(shù)據(jù)進(jìn)行重要性排序的基礎(chǔ)上，提出基于模糊型知識的人機協(xié)同的數(shù)據(jù)檢查方法，和基于精確型知識的自動數(shù)據(jù)檢查方法，并給出詳細(xì)的數(shù)據(jù)檢查程序流程。劉建軍等[5]設(shè)計開發(fā)出1:50 000 DLG數(shù)據(jù)質(zhì)量檢查軟件，檢查軟件的功能包括數(shù)據(jù)的完整性、結(jié)構(gòu)一致性、位置精度、屬性精度、接邊精度以及資料源質(zhì)量和元數(shù)據(jù)質(zhì)量等。北京吉威技術(shù)公司開發(fā)Geoway3.6的“質(zhì)量檢查”模塊包括圖形檢測、拓?fù)錂z測、屬性檢測、接邊檢查以及其他檢測功能，能夠?qū)?shù)據(jù)圖形的幾何現(xiàn)象，地物的屬性信息，拓?fù)錁?gòu)建結(jié)果以及各種矛盾數(shù)據(jù)進(jìn)行檢查和控制[6]。結(jié)合以上研究發(fā)現(xiàn)，近年來針對矢量數(shù)據(jù)質(zhì)量檢查的研究大多仍只注重屬性檢查和圖形檢查，鮮少注意到圖斑地類解譯真實性的問題。如圖1所示，在工業(yè)用地的地類圖斑里出現(xiàn)了其他用地類型，該圖斑的地類標(biāo)注與實地不一致，即圖斑的地類解譯真實性存在問題，目前的空間數(shù)據(jù)質(zhì)量檢查還無法解決這一類問題。隨著國家重大政策和工程項目的開展，對圖斑地類解譯真實性檢查的需求日漸迫切，如《第三次全國土地調(diào)查總體方案》[7]（國土調(diào)查辦發(fā)[2018]1號）和《第三次全國國土調(diào)查實施方案》[8]中明確指出：為了保證調(diào)查成果的真實性和準(zhǔn)確性，按照三調(diào)有關(guān)技術(shù)標(biāo)準(zhǔn)的要求，建立調(diào)查成果的縣市級自檢、省級檢查、國家級核查三級檢查制度，其中縣級檢查的主要任務(wù)就是通過外業(yè)調(diào)查，檢查圖斑的地類屬性是否和實地一致。伴隨著高分遙感、深度學(xué)習(xí)和場景分類等關(guān)鍵技術(shù)的突破，以高分遙感影像為參考，借助深度學(xué)習(xí)的場景解譯技術(shù)為矢量圖斑地類解譯真實性檢查提供了一種新的解決思路。遙感影像場景分類是一個復(fù)雜的數(shù)據(jù)處理過程。傳統(tǒng)的目視解譯方法雖然簡單易操作、靈活性強，但需解譯人員具有豐富的經(jīng)驗、專業(yè)的知識，而且花費時間長，難以適應(yīng)海量遙感影像分類。近年來，深度學(xué)習(xí)[9]成為遙感影像解譯和模式識別的新熱點，其中最具代表性的特征是端到端、層次化的場景學(xué)習(xí)能力。深度學(xué)習(xí)通過建立類似于人腦的分層模型結(jié)構(gòu)，對輸入數(shù)據(jù)逐級提取從底層到高層的特征，從而能很好地建立從底層信號到高層語義的映射關(guān)系。當(dāng)前多數(shù)分類、回歸等學(xué)習(xí)方法為淺層結(jié)構(gòu)算法，其局限性在于在有限樣本和計算單元的情況下對復(fù)雜函數(shù)的表示能力有限，針對復(fù)雜分類問題其泛化能力受到一定制約。深度學(xué)習(xí)的出現(xiàn)為遙感影像的解譯提供了一種新方法，能更好地提取遙感影像的特征，極大的增強復(fù)雜模型的表述能力[10]，并展現(xiàn)了強大的從少數(shù)樣本集中學(xué)習(xí)數(shù)據(jù)集本質(zhì)特征的能力，使其在場景分類任務(wù)中有著更好的表現(xiàn)。

本文訓(xùn)練樣本來源于上海市三調(diào)數(shù)據(jù)和徐州市賈汪區(qū)三調(diào)數(shù)據(jù)。上海市數(shù)據(jù)來自上海市規(guī)劃和自然資源局，0.1 m高分辨率無人機影像，顧及上海市地物分布特征（建筑密集）以及已有研究基礎(chǔ)[11]，無人機影像初始分割大小為300像素×300像素，盡可能確保分割單元中地物的完整性；徐州市賈汪區(qū)數(shù)據(jù)來自徐州市自然資源和規(guī)劃局，1 m分辨率高分二號影像，鑒于賈汪區(qū)地處郊區(qū)，地物分布較為稀疏，本文選取初始分割大小為50像素×50像素。為保證模型輸入大小的一致性，將2組分割單元的大小調(diào)整至299像素×299像素，滿足模型的輸入要求；2組影像均包含RGB波段，影像信息豐富，包含多種地物，可以為地物分類提供足夠的信息。圖斑地類解譯真實性檢查的研究區(qū)位于江蘇省徐州市賈汪區(qū)青山泉鎮(zhèn)和大吳鎮(zhèn)，總面積150.12 km2，研究區(qū)影像為1 m分辨率高分二號影像，包含RGB波段，將影像分割為50像素×50像素的影像單元，為滿足深度學(xué)習(xí)模型需要，調(diào)整影像單元大小至299像素×299像素。研究區(qū)（117°16"45"E—117°27"15"E,34°18"35"N—34°27"45"N）概況及訓(xùn)練樣本樣例如圖3所示。影像分割是影像解譯至關(guān)重要的一項預(yù)處理，沒有正確的分割就沒有正確的解譯[12]。本文利用三調(diào)矢量圖斑對高分遙感影像進(jìn)行粗分割，生成初步的影像圖斑；然后，利用網(wǎng)格化分割方法，對影像圖斑進(jìn)行分解，生成規(guī)則的處理單元；最后，將分解的處理單元關(guān)聯(lián)原始圖斑的地理位置信息，實現(xiàn)處理單元標(biāo)簽的自動標(biāo)注，以此完成訓(xùn)練樣本的自動生成和標(biāo)注。

【參考文獻(xiàn)】：
期刊論文
[1]基于遷移學(xué)習(xí)的遙感影像樹種類型分類[J]. 王莉影,高心丹.  實驗室研究與探索. 2019(09)
[2]基于深度學(xué)習(xí)的圖像分類分析研究[J]. 李翔宇,孫曉慶.  中國信息化. 2019(04)
[3]深度學(xué)習(xí)在圖像識別中的應(yīng)用研究綜述[J]. 鄭遠(yuǎn)攀,李廣陽,李曄.  計算機工程與應(yīng)用. 2019(12)
[4]基于FME的地理國情監(jiān)測矢量數(shù)據(jù)接邊檢查方法的探討[J]. 覃東華.  城市勘測. 2018(05)
[5]《第三次全國土地調(diào)查總體方案》發(fā)布[J]. 張晏.  資源導(dǎo)刊. 2018(01)
[6]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學(xué)報. 2017(06)
[7]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應(yīng)用. 2016(09)
[8]矢量數(shù)字地圖數(shù)據(jù)質(zhì)量檢查內(nèi)容及影響質(zhì)量因素分析[J]. 石高兵.  北京測繪. 2015(05)
[9]遷移學(xué)習(xí)研究進(jìn)展[J]. 莊福振,羅平,何清,史忠植.  軟件學(xué)報. 2015(01)
[10]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應(yīng)用研究. 2012(08)



本文編號：3528524