針對傳統(tǒng)方法提取新增光伏用地精度低的問題,該文提出了一種基于集成學習的U-Net雙網(wǎng)絡變化信息融合的深度學習方法用于新增光伏用地的提取。首先對U-Net網(wǎng)絡進行改進得到性能較好的兩個變化檢測網(wǎng)絡模型,然后分別訓練兩個網(wǎng)絡模型用于在高分辨率衛(wèi)星影像上檢測新增光伏用地,將訓練好的兩個網(wǎng)絡模型的分類圖融合再經(jīng)過后處理得到最終的變化檢測結(jié)果。通過實驗表明:該方法明顯優(yōu)于傳統(tǒng)變化檢測方法,也提高了單網(wǎng)絡模型變化檢測結(jié)果的精度。 

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引言
1 集成學習的U-Net雙網(wǎng)絡信息融合
    1.1 樣本集制作
    1.2 基礎網(wǎng)絡選取和設計
    1.3 圖像拼接
    1.4 集成學習
    1.5 分類后處理
    1.6 精度評定
2 實驗及結(jié)果分析
    2.1 實驗一
    2.2 實驗二
    2.3 實驗三
    2.4 實驗結(jié)果分析
3 結(jié)束語


【參考文獻】：
期刊論文
[1]遙感影像建筑物提取的卷積神經(jīng)元網(wǎng)絡與開源數(shù)據(jù)集方法[J]. 季順平,魏世清.  測繪學報. 2019(04)
[2]基于生成對抗網(wǎng)絡的地面新增建筑檢測[J]. 王玉龍,蒲軍,趙江華,黎建輝.  計算機應用. 2019(05)
[3]基于FlowS-Unet的遙感圖像建筑物變化檢測[J]. 顧煉,許詩起,竺樂慶.  自動化學報. 2020(06)
[4]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.  武漢大學學報(信息科學版). 2018(12)
[5]基于U-Net的高分辨率遙感圖像語義分割方法[J]. 蘇健民,楊嵐心,景維鵬.  計算機工程與應用. 2019(07)
[6]多共性特征聯(lián)合的Landsat 8 OLI遙感影像光伏電站提取[J]. 王勝利,張連蓬,朱壽紅,吉莉,柴琪,沈揚,張蕊.  測繪通報. 2018(11)
[7]基于U型卷積神經(jīng)網(wǎng)絡的航空影像建筑物檢測[J]. 伍廣明,陳奇,Ryosuke SHIBASAKI,郭直靈,邵肖偉,許永偉.  測繪學報. 2018(06)
[8]基于對象影像分析方法支持下的多源遙感影像光伏電場提取[J]. 李彥甫,劉勇.  測繪與空間地理信息. 2016(03)



本文編號：3676509