典型文献
不同特征提取策略的场景变化检测性能评估
文献摘要：
分类后比较是场景变化检测的常用方法,其中分类结果直接决定了变化检测的精度,而图像特征的选择和提取是实现高精度分类的关键.为评估不同特征提取策略对变化检测精度的影响,本文选取预训练的艾历克斯网络(AlexNet)、视觉几何图形小组十六层网络(VGG16)、视觉几何图形小组十九层网络(VGG19)、谷歌模块组装型网络(GoogLeNet)、十八层残差网络(ResNet18)、五十层残差网络(ResNet50)、压缩型网络(SqueezeNet)和十九层黑暗网络(DarkNet19)等网络提取卷积神经网络(CNN)特征,以及传统的纹理特征和颜色特征,对高分辨率遥感影像进行场景变化检测.结果表明:SqueezeNet、DarkNet19和ResNet50在场景分类中表现最出色,三者变化检测效果亦最佳,总体精度均高达0.95,KAPPA系数达0.90.而传统特征的变化检测精度较CNN特征中表现最差的VGG19还要逊色,验证了 CNN特征对场景变化检测的优越性能.
文献关键词：
高分遥感影像;变化检测;纹理特征;颜色特征;卷积神经网络(CNN)特征
中图分类号：
作者姓名：
黄宇鸿;周维勋
作者机构：
南京信息工程大学遥感与测绘工程学院,江苏南京210044
文献出处：
引用格式：
[1]黄宇鸿;周维勋-.不同特征提取策略的场景变化检测性能评估)[J].北京测绘,2022(08):980-984
A类：
十九层,十八层,DarkNet19
B类：
提取策略,变化检测,检测性能,性能评估,分类后比较,常用方法,图像特征,检测精度,预训练,历克斯,AlexNet,视觉几何,几何图形,六层,VGG16,VGG19,GoogLeNet,残差网络,ResNet18,五十,十层,ResNet50,SqueezeNet,黑暗,暗网,纹理特征,颜色特征,高分辨率遥感影像,场景分类,最出色,检测效果,总体精度,KAPPA,传统特征,逊色,高分遥感影像
AB值：
0.360297
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。
