基于DCNN特征的建筑物震害损毁区域检测 |
| |
引用本文: | 周阳,张云生,陈斯飏,邹峥嵘,朱耀晨,赵芮雪.基于DCNN特征的建筑物震害损毁区域检测[J].国土资源遥感,2019(2). |
| |
作者姓名: | 周阳 张云生 陈斯飏 邹峥嵘 朱耀晨 赵芮雪 |
| |
作者单位: | 中南大学地球科学与信息物理学院 |
| |
摘 要: | 为了提高基于高空间分辨率遥感影像的建筑物震害损毁评估精度,引入深度卷积神经网络(deep convolutional neural network,DCNN)模型,提出一种利用DCNN全连接层特征结合支持向量机(support vector machine,SVM)进行遥感影像建筑物震害损毁区域检测的方法。首先,利用神经网络前馈方式从DCNN全连接层提取训练样本和待检测区域的特征;然后,基于样本训练SVM分类器;最后,对待检测区域的所有区块进行分类预测和投票确定是否损毁。以2010年海地地震遥感影像为例,建筑物损毁检测正确率可以达到89%,相比于传统的特征提取方法正确率提高了4%。实验结果表明该方法在建筑物震害损毁检测方面具有一定的应用潜力。
|
本文献已被 CNKI 等数据库收录! |
|