共查询到20条相似文献，搜索用时 15 毫秒
1.
基于卷积神经网络（CNN）进行遥感影像液气贮存设备提取。基于0.3 m、0.5 m、2.1 m分辨率的多源遥感影像,通过训练CNN模型来提取液气贮存设备,检测精度F值分别为0.78、0.77和0.36;基于0.3 m、0.5 m、1 m分辨率的无人机影像,训练得到不同的CNN模型,迁移学习至0.8 m分辨率的高分影像上进行液气贮存设备识别,检测精度F值分别为0.08、0.73和0.71。结果表明,CNN模型可有效提取液气贮存设备,且训练样本包含的信息越均一,识别精度越高;CNN模型对多源遥感影像具有较好的迁移学习能力,在遥感影像典型目标识别与提取方面具有较好的应用前景。 相似文献
2.
针对当前耕地“非粮化”监测任务重、传统自动提取方法应用于耕地“非粮化”业务难度大的问题，该文以广西壮族自治区为研究区域，研究深度学习遥感变化检测应用于耕地“非粮化”变化自动提取的可行性，提出基于余弦相似度的差异注意力模块以增强变化内容的特征表示，面向业务应用权衡不同分类阈值下召回率与精确率的优劣。经实验验证，该文模型的召回率、精确率分别约为78%与73%;相较基线方法，该文差异注意力模块可提升约3%的精度；在业务应用中，选择适当的模型分类阈值能够以仅25%的额外核查工作换取1.41%的召回率提升。实验结果表明了深度学习遥感变化检测用于耕地“非粮化”自动提取业务的可行性，为大范围耕地“非粮化”监测的业务应用提供了参考。 相似文献
3.
针对深度学习样本制作技术稀缺以及样本复用性差等问题,本文围绕自然资源督察业务、测绘生产项目等需求,面向深度学习算法和模型,基于多源多时相卫星遥感影像,结合已有地理国情监测数据、基础地理信息数据等资料,对水体、林地、推填土等典型自然资源要素,开展了遥感影像处理、样本数据制作、质量控制、成果入库等方面的技术研究,初步建立了一套面向深度学习的遥感影像样本库建设技术体系,有效促进了样本数据的统一管理、重复利用和动态更新。 相似文献
4.
高分辨率遥感影像中耕地特征复杂，人工目视解译和传统的遥感影像分类方法提取能力有限，无法实现大范围的自动化高精度耕地提取。深度学习技术因具有较强的地物表达能力，在遥感影像信息自动提取方面表现出了优越的性能，为大范围耕地的精细化自动提取提供了新的思路。探究不同典型网络模型在不同景观特征耕地提取上的适用情况对耕地提取质量和效率的提升具有重要意义。基于此，本研究以高分一号及高分二号融合的2 m分辨率数据为数据源，采用改进的金字塔场景解析网络MPSPNet(Modified Pyramid Scene Parsing Network)和UNet网络模型，应用于山东省的耕地精细自动化提取，并与传统面向对象的方法对比，探究两种深度卷积神经网络模型在大尺度耕地自动提取中的适用性。研究获得以下结论：（1） MPSPNet模型和UNet模型在区/县尺度的耕地提取上性能优于传统的面向对象的分类方法，在全省尺度的耕地提取上总体精度优于90%且无明显差异。（2）耕地景观特征是影响两模型耕地提取效果的重要因素，模型的选择对耕地提取效果无明显影响。在耕地景观指数较低的地块规则平整的区域，模型提取效果较好，在耕地景观... 相似文献
5.
《国土资源遥感》2021,(3)
风电场分布是风电投资监测预警、占地监测和清洁能源消纳能力评价的重要依据,卫星遥感技术是大范围提取风电场分布信息的有效方法。风电塔架作为风电场的遥感解译标识,其在高分影像中是一种多尺度目标,且受影像获取时间、光照条件、地表覆盖等影响导致特征差异大,遥感自动检测难度大。针对以上问题,提出一种尺度和密度约束下基于YOLOv3模型的风电塔架自动检测方法。首先,在风电场遥感特征分析基础上,确定样本构建条件,分析风电塔架目标尺度;然后,压缩YOLOv3模型特征提取网络以提高多尺度目标特征表征能力,并将目标尺寸作为先验知识输入模型;最后,基于噪声与风电塔架的密度差异,采用DBSCAN密度聚类算法抑制误检。实验结果表明,该方法在典型试验区取得的风电塔架检测准确率为96%,召回率为94%,F1为95%,效果优于Faster R-CNN和FPN等基准模型,表明本文方法对于遥感影像复杂背景下的小目标具有良好的检测效果。 相似文献
6.
7.
根据湖北省自然资源监测监管对大规模遥感智能解译的需求,对已有遥感智能解译样本数据集进行了总结,从提升地类细分领域的深度学习模型效果出发,研究了遥感影像智能解译的典型应用场景和解译对象,构建了湖北省自然资源要素遥感智能解译样本分类体系,并以优于2 m的多源异构高分辨率光学遥感影像为数据源,开展遥感智能解译样本采集。通过具体业务应用场景实验证明,建立的智能解译样本分类体系及其样本库,能够较好地反映湖北省自然资源卫星遥感影像智能解译的区域特征,取得较之前的样本库更为有效的解译效果。 相似文献
8.
开展林地变更调查,能够为森林执法督察、林地"一张图"更新等提供精准的空间信息和属性信息,对于林业资源的监测管理具有重要意义。针对大范围多时相遥感影像人工勾绘变化图斑耗时费力的现状,提出一种结合光谱和纹理特征的林地变更检测方法,并以灵山县东北部为例,利用20171209和20180201两个时期的高分二号遥感影像进行试验。结果表明,该方法在减少人力投入、降低时间成本的基础上,不仅将遥感影像的变化检测效率提高了一半以上,同时能达到77%以上的检测准确率,在森林资源普查中具有一定的应用价值。 相似文献
9.
针对复杂地理条件下,遥感影像中地物纹理复杂、光谱多样,耕地难以提取的问题,该文提出了一种基于动态时间弯曲算法的耕地提取方法。采取动态时间弯曲法计算NDVI时间序列的相似性,将耕地与林地、草地等其他有相似物候特征的地物区分开来,并解决不同作物的时间序列曲线的弯曲和平移问题。实验表明,此方法提高了耕地提取的精度,长株潭城市群2013年耕地信息提取的正确率达82.08%,完整率达81.63%。使用景观格局指数定量计算耕地空间分异信息,以经济社会数据作为潜在驱动因子,使用冗余分析方法对驱动因子进行约束性排序分析,结果表明人口因素、经济因素、农业因素是影响长株潭地区耕地分布的主要驱动因素。 相似文献
10.
面对自然资源遥感监测体系建设和省级基础测绘重点要素年度更新需求,本文以地理国情地表覆盖为主要参考数据,提出了省域遥感解译样本库的建设方法。首先制定了适用于深度学习的甘肃省自然资源遥感解译样本分类体系和顾及地学知识的样本选取标准,据此构建了囊括不同尺度单元的全要素、单要素和变化检测3类样本数据集;然后基于自主研建的甘肃省遥感解译样本库平台,构建了从样本采集、模型训练、智能解译到质量评估的全链路技术体系。试验结果表明,面向不同尺度区域,地物提取准确率达90%,变化检测准确率达74%,实现了地表要素从粗粒度到细粒度的自适应解译。研究成果在甘肃省省级基础测绘更新、城市国土空间监测及非农化监测等领域进行了业务化应用,提高了自然资源管理精准化和智能化水平。 相似文献
11.
遥感影像是全民所有自然资源资产清查工作的基础数据之一,时序影像匹配是多时相遥感数据服务于自然资源资产评估的关键.大量的自然资源资产清查单元(林地、耕地、湖泊、草地、湿地)位于地形平坦地区,采用传统影像匹配方法得到的正确匹配点较少,匹配精度较低.提出了基于视野感知的CNN-SIFT描述符,利用孪生网络模型感知同名点的视觉差异特征,根据地形自适应调节视野范围,从而增强匹配能力.结果表明,与邻域范围为128×128的SIFT描述符相比,CNN-SIFT描述符的正确匹配点平均增加了41.32％,正确匹配率提高了18.64％,湖泊水面、平原区块田等平坦区域匹配率提高了19.20％,能满足全民所有自然资源资产清查实际工作的要求,为其他卫星影像进行大范围大批量的正射影像生产提供借鉴. 相似文献
12.
《测绘科学》2020,(5)
针对复杂地理条件下,遥感影像中地物纹理复杂、光谱多样,耕地难以提取的问题,该文提出了一种基于动态时间弯曲算法的耕地提取方法。采取动态时间弯曲法计算NDVI时间序列的相似性,将耕地与林地、草地等其他有相似物候特征的地物区分开来,并解决不同作物的时间序列曲线的弯曲和平移问题。实验表明此方法提高了耕地提取的精度,长株潭城市群2013年耕地信息提取的正确率达82.08%,完整率达81.63%。使用景观格局指数定量计算耕地空间分异信息,以经济社会数据作为潜在驱动因子,使用冗余分析方法对驱动因子进行约束性排序分析,结果表明人口因素、经济因素、农业因素是影响长株潭地区耕地分布的主要驱动因素。 相似文献
13.
《测绘科学》2021,(5)
针对复杂地理条件下,遥感影像中地物纹理复杂、光谱多样,耕地难以提取的问题,该文提出了一种基于动态时间弯曲算法的耕地提取方法。采取动态时间弯曲法计算NDVI时间序列的相似性,将耕地与林地、草地等其他有相似物候特征的地物区分开来,并解决不同作物的时间序列曲线的弯曲和平移问题。实验表明此方法提高了耕地提取的精度,长株潭城市群2013年耕地信息提取的正确率达82.08%,完整率达81.63%。使用景观格局指数定量计算耕地空间分异信息,以经济社会数据作为潜在驱动因子,使用冗余分析方法对驱动因子进行约束性排序分析,结果表明人口因素、经济因素、农业因素是影响长株潭地区耕地分布的主要驱动因素。 相似文献
14.
针对高分辨率遥感影像道路提取难度大、自动化程度低等问题,设计了一种改进U-Net的道路提取方法。该方法首先构建特征编码器为VGG16的VGGU-Net网络,并采用迁移权值方法初始化特征编码器;其次将提取的特征信息输入到另一U-Net网络,通过双网络联合训练方式提高网络的特征拟合能力;最后结合形态学和滤波算法对提取的道路数据进行后处理。实验结果表明:改进后算法对道路提取效果得到了有效的提升,在测试集上的准确率、召回率和IoU分别达到了93.56%、88.22%和83.17%。 相似文献
15.
基于Encoder-Decoder网络的遥感影像道路提取方法 总被引：2，自引：2，他引：0
针对道路目标特点,设计实现了用于遥感影像道路提取的Encoder-Decoder深度语义分割网络。首先,针对道路目标局部特征丰富、语义特征较为简单的特点,设计了较浅深度、分辨率较高的Encoder-Decoder网络结构,提高了分割网络的细节表示能力。其次,针对遥感影像中道路目标所占像素比例较小的特点,改进了二分类交叉熵损失函数,解决了网络训练中正负样本严重失衡的问题。在大型道路提取数据集上的试验表明,所提方法召回率、精度和F1-score指标分别达到了83.9%、82.5%及82.9%,能够完整准确地提取遥感影像中的道路目标。所设计的Encoder-Decoder网络性能优良,且不需人工设计提取特征,因而具有良好的应用前景。 相似文献
16.
17.
本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现。选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型。通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90%,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现。 相似文献
18.
交叉口是构成道路网络的基础与核心要素,起到了连接道路和承载转向的重要作用.在城市路网中,交叉口不仅数量众多、形态多样,而且结构复杂、大小不一.单一数据源对于道路交叉口的描述能力有限,难以做到道路交叉口的全面、精确识别.为此,本文设计了一种从车辆轨迹与遥感影像中识别道路交叉口的多元集成方法.首先,集成形态学处理、密度峰值聚类与张量投票提取种子交叉口,将其作为小样本集;然后,据此采用协同训练机制,分别构建基于深度卷积网络,面向车辆轨迹与遥感影像的交叉口分类器;最后,综合两模型优点,形成道路交叉口的集成分类模型.本文方法在多个层次上融合车辆轨迹与遥感影像关于交叉口的互补性描述特征,提出半监督式交叉口提取技术,无须人工标注即可有效识别复杂多样的道路交叉口.基于武汉市出租车轨迹和遥感影像的试验表明,本文方法在无人工标注样本的前提下,道路交叉口提取的准确率超过93％,召回率达到87％. 相似文献
19.
本文采用2013年QuickBird和2017年GF-1卫星遥感影像,以黑龙江省五常市为研究区,利用遥感影像的光谱特征提取纯净森林像元,构建整合森林指数(Integrated Forest Z-Score,IFZ)对影像的森林和非森林区域进行区分,叠加对比分析两期影像提取结果,得到研究区内林地的变化区域.再将自动提取结果与人工判读图斑进行精度验证,面积误差为4.2％,图斑重叠率为85％.从精度结果可知,高分辨遥感影像可以准确地监测林地变化,对研究环境变化和森林经营管理具有决策性作用. 相似文献