遙感能夠全面、立體、快速、有效地探明地上和地下自然資源的分布情況,這使其逐步成為從多維和宏觀角度去認識世界的重要方法和手段。目前,遙感數據采集技術逐漸成熟,但精準的遙感專題信息提取主要靠全人工目視解譯實現,迫切需要自動化的高精度遙感影像信息提取技術實現快速的變化檢測和信息提取,為自然資源調查監(jiān)測快速提供高精度產品成果。文章提出一種基于深度學習的影像變化檢測方法,通過構建訓練樣本庫,采用殘差全卷積神經網絡作為模型的骨干框架,進行模型訓練并解譯不同時相的影像,然后對解譯結果求差,并采用形態(tài)學處理,從而有效辨別變化的區(qū)域。

【文章頁數】：6 頁

【文章目錄】：
0 引言
1 基于深度學習影像解譯的變化檢測方法
    1.1 預處理
    1.2 變化信息獲取
    1.3檢測結果后處理及輸出
    1.1自然資源訓練樣本庫構建方法
    1.2 基于殘差全卷積神經網絡模型的分類方法
    1.3 差值變化檢測方法
    1.4 形態(tài)學變化處理
        1.4.1 膨脹
        1.4.2 腐蝕
        1.4.3 開操作
        1.4.4 閉操作
2 具體實現
    2.1 樣本庫構建
    2.2 模型訓練與測試
3 結語



本文編號：3908153