典型文献
基于深度学习与矢-栅数据的图斑变化检测系统
文献摘要：
针对现有图斑变化检测方法难以满足土地监管的实际生产需求问题,提出了一套基于深度学习与矢-栅数据的图斑变化检测自动化处理系统.首先利用高分遥感影像和矢量数据,以强边界约束为支持生成自适应大小的自标注样本集,并利用不同分类器对训练样本进行纯化;然后利用改进的深度卷积神经网络模型实现图斑的细粒度分类;最后根据制定的判别规则,筛选预测值与真实值不一致的矢量图斑,作为最终的变化检测结果.以无锡洋溪河地区为研究区域,结果表明,该系统不仅能够准确高效定位变化图斑,而且大幅减轻了人工工作量,在耕地"非农化""非粮化"以及违法用地检查等变化检测领域具有较高的应用价值.
文献关键词：
变化检测;深度学习;高分辨率遥感影像;自动化处理系统
中图分类号：
作者姓名：
单浩宇;王春晓;尹鹏程;李二珠;张连蓬;史嘉诚;刘伟
作者机构：
江苏师范大学地理测绘与城乡规划学院,江苏 徐州 221116;自然资源部海南基础地理信息中心,海南 海口 570203;徐州市自然资源与规划局,江苏 徐州 221018
文献出处：
引用格式：
[1]单浩宇;王春晓;尹鹏程;李二珠;张连蓬;史嘉诚;刘伟-.基于深度学习与矢-栅数据的图斑变化检测系统)[J].现代测绘,2022(06):16-19
A类：
B类：
变化检测,需求问题,自动化处理系统,高分遥感影像,矢量数据,边界约束,自适应大小,样本集,分类器,训练样本,深度卷积神经网络,卷积神经网络模型,模型实现,细粒度分类,真实值,矢量图,无锡,溪河,变化图斑,非农化,非粮化,违法用地,检测领域,高分辨率遥感影像
AB值：
0.334302
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。
