基于深度學習的高分辨率衛(wèi)星光學遙感影像建筑物變化檢測方法

基本信息

申請?zhí)?/td> CN202010347858.0 申請日 -
公開（公告）號 CN111553272B 公開（公告）日 2022-05-06
申請公布號 CN111553272B 申請公布日 2022-05-06
分類號 G06V20/13（2022.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;CN 109446992 A,2019.03.08;CN 110136170 A,2019.08.16;CN 108446588 A,2018.08.24;CN 104700411 A,2015.06.10;CN 109961105 A,2019.07.02;US 2018/0293456 A1,2018.10.11 張永宏等.《基于改進U-Net網絡的遙感圖像云檢測》.《測繪通報》.2020,;J. Liu，et al.《A Deep Convolutional Coupling Network for Change Detection Based on Heterogeneous Optical and Radar Images》.《IEEE Transactions on Neural Networks and Learning Systems》.2018,第29卷（第3期）, 分類 計算；推算；計數;
發(fā)明人 岳照溪;潘琛;郭功舉;劉一寧;毛煒青;馮威丁 申請（專利權）人 上海市測繪院
代理機構 上?？坡蓪＠硎聞账ㄌ厥馄胀ê匣铮?/td> 代理人 葉鳳
地址 200063上海市普陀區(qū)武寧路419號
法律狀態(tài) -

摘要

摘要 基于深度學習的高分辨率衛(wèi)星光學遙感影像建筑物變化檢測方法，包括步驟1對多期同分辨率同區(qū)域的遙感衛(wèi)星影像進行建筑物的矢量范圍勾勒；步驟2依照前后兩期遙感影像進行建筑物變化區(qū)域的矢量范圍勾勒；步驟3制作樣本；步驟4擴充樣本；步驟5搭建建筑物分類網絡1；步驟6調用分類網絡1中的參數，搭建變化檢測網絡2，檢測兩期影像變化；步驟7、8：分類網絡參數及剩余參數訓練；步驟9用訓練好的網絡參數進行建筑物分類檢測與變化檢測，對檢測結果進行形態(tài)學處理、訓練結果矢量化；步驟10將變化檢測結果、建筑物分類結果與人工標定結果對比評定，優(yōu)化補充樣本、再訓練。以上技術方案有效檢測出變化,得到建筑物新增與減少的變化區(qū)域。