领域知识优化深度置信网络的遥感变化检测

被引：7

作者：

张海明 ^{[1
]}

王明常 ^{[1
,2
]}

陈学业 ^{[2
]}

王凤艳 ^{[1
]}

杨国东 ^{[1
]}

高苏 ^{[3
]}

机构：

[1] 不详

[2] 吉林大学地球探测科学与技术学院

[3] 不详

[4] 自然资源部城市国土资源监测与仿真重点实验室

[5] 云南省地图院

[6] 不详

来源：

武汉大学学报(信息科学版) | 2022年 / 05期

关键词：

遥感; 变化检测; 深度置信网络; 领域知识; 高分二号;

D O I：

10.13203/j.whugis20190471

中图分类号：

TP18 [人工智能理论]; P237 [测绘遥感技术];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 1404 ;

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。

引用

页码：762 / 768+788 +788

页数：8

共 17 条

[1] 利用全空洞卷积神经元网络进行城市土地覆盖分类与变化检测
季顺平
田思琦
张驰
[J]. 武汉大学学报(信息科学版), 2020, 45 (02) : 233 - 241
[2] 联合像元-深度-对象特征的遥感图像城市变化检测
赵生银
安如
朱美如
[J]. 测绘学报, 2019, (11) : 1452 - 1463
[3] 多时相遥感影像变化检测方法综述
眭海刚
冯文卿
李文卓
孙开敏
徐川
[J]. 武汉大学学报(信息科学版), 2018, 43 (12) : 1885 - 1898
[4] Accelerated Learning for Restricted Boltzmann Machine with a Novel Momentum Algorithm[J]. GAO Xiaoguang,LI Fei,WAN Kaifang. Chinese Journal of Electronics. 2018(03)
[5] 高分辨率遥感影像的深度学习变化检测方法
张鑫龙
陈秀万
李飞
杨婷
[J]. 测绘学报, 2017, 46 (08) : 999 - 1008
[6] 遥感影像变化检测算法综述
佟国峰
李勇
丁伟利
岳晓阳
[J]. 中国图象图形学报, 2015, 20 (12) : 1561 - 1571
[7] 联合领域知识和深度学习的城市地表覆盖变化检测方法[D]. 李胜.武汉大学. 2018
[8] End-to-End Change Detection for High Resolution Satellite Images Using Improved UNet++[J] . Daifeng Peng,Yongjun Zhang,Haiyan Guan. Remote Sensing . 2019 (11)
[9] The Comparison of Different Methods of Texture Analysis for Their Efficacy for Land Use Classification in Satellite Imagery
Kupidura, Przemyslaw
[J]. REMOTE SENSING, 2019, 11 (10)
[10] Learning Spectral-Spatial-Temporal Features via a Recurrent Convolutional Neural Network for Change Detection in Multispectral Imagery
Mou, Lichao
Bruzzone, Lorenzo
Zhu, Xiao Xiang
[J]. IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, 2019, 57 (02): : 924 - 935

← 1 2 →