典型文献
融合对象影像分析和OCNN的耕地变化检测
文献摘要：
针对变化检测常用的面向对象影像分析(object based image analysis,OBIA)技术中规则数量巨大、时空普适性差、深度学习方法样本获取困难且精度难以满足工程化需求的现状,提出了一种将面向对象影像分析和对象卷积神经网络(object convolutional neural network,OCNN)相结合的耕地变化检测方法.以基期(T1)耕地矢量为约束条件,当期(T2)高分辨率影像OCNN土地覆被分类结果为主要判断依据,结合知识规则,进行耕地地块层和对象层变化检测.为了验证本文提出的耕地变化检测方法的有效性,采用两个实验区域,将OCNN分别与卷积神经网络(convolutional neural network,CNN)、VGG(visual geometry group)检测结果进行比较.结果表明,该方法在效率和精度上都显著优于基于CNN与VGG网络的方法.
文献关键词：
耕地;深度学习;面向对象影像分析;对象卷积神经网络;变化检测
中图分类号：
作者姓名：
徐志红;关元秀;王善华;容俊;唐紫晗
作者机构：
浙江省自然资源调查登记中心,杭州310012;航天宏图信息技术股份有限公司,北京100195
文献出处：
引用格式：
[1]徐志红;关元秀;王善华;容俊;唐紫晗-.融合对象影像分析和OCNN的耕地变化检测)[J].遥感信息,2022(05):15-22
A类：
时空普适性,对象卷积神经网络
B类：
OCNN,耕地变化,变化检测,面向对象影像分析,object,image,analysis,OBIA,深度学习方法,工程化,convolutional,neural,network,基期,高分辨率影像,土地覆被分类,判断依据,耕地地块,实验区,VGG,visual,geometry,group
AB值：
0.282326
相似文献
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。
