典型文献
领域知识优化深度置信网络的遥感变化检测
文献摘要：
摘.要:为提高高分辨率遥感影像变化检测精度,提出一种以领域知识为优化策略的深度学习变化检测方法.利用改进的变化矢量分析和灰度共生矩阵算法获取影像的光谱和纹理变化,设定合理阈值获得变化区域待选样本;引入领域知识中图斑形状特征指数与光谱知识,筛选得到高质量的训练样本;构建并训练了深度置信网络模型,使用优化策略对深度学习变化检测结果进行优化,以减少"椒盐"噪声和伪变化区对检测精度的影响.通过高分二号与IKONOS影像的变化检测实验表明,该方法较优化前准确率与召回率最大增幅分别为7.58％和14.69％(高分二号)、17.08％和23.87％(IKONOS),虚警率和漏检率最大降幅为30.22％和23.30％(高分二号)、17.08％和23.87％(IKONOS),能够有效提高变化检测精度.
文献关键词：
遥感;变化检测;深度置信网络;领域知识;高分二号
中图分类号：
作者姓名：
张海明;王明常;陈学业;王凤艳;杨国东;高苏
作者机构：
吉林大学地球探测科学与技术学院,吉林 长春,130026;自然资源部城市国土资源监测与仿真重点实验室,广东 深圳,518000;云南省地图院,云南 昆明,650034
文献出处：
引用格式：
[1]张海明;王明常;陈学业;王凤艳;杨国东;高苏-.领域知识优化深度置信网络的遥感变化检测)[J].武汉大学学报（信息科学版）,2022(05):762-768,788
A类：
B类：
领域知识,深度置信网络,遥感变化检测,高分辨率遥感影像,遥感影像变化检测,检测精度,矢量分析,灰度共生矩阵,矩阵算法,选样,中图,图斑,形状特征,特征指数,选得,训练样本,使用优化,椒盐,高分二号,IKONOS,召回率,虚警率,漏检率
AB值：
0.328985
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
