基于深度学习的河道提取与变化监测应用——以永定河为例

论文摘要

本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现。选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型。通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90%,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现。

论文目录

• 0 引言
• 1 深度学习算法
•   1.1 训练阶段
•   1.2 预测阶段
• 2 实验与分析
•   2.1 研究区与数据
•   2.2 技术路线
•   2.3 实验过程
•     2.3.1 研究区影像预处理
•     2.3.2 自动化河道检测
•     2.3.3 交互式异常问题判读
•     2.3.4 变化图斑自动发现
•     2.3.5 野外现场环境取证与信息汇交
•   2.4 变化图斑统计
•   2.5 算法比较分析
•   2.6 结果讨论
• 3 结束语

文章来源

类型: 期刊论文

作者: 王惠英,孙中平,孙志伟,周亚文

关键词: 深度学习,河道提取,变化监测,永定河

来源: 北京测绘 2019年02期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 地球物理学,工业通用技术及设备,自动化技术

单位: 遥感科学国家重点实验室北京师范大学地理科学部,环境保护部卫星环境应用中心

基金: 2018年北京市石景山区科技计划项目

分类号: P332;TP79

DOI: 10.19580/j.cnki.1007-3000.2019.02.010

页码: 173-178

总页数: 6

文件大小: 7168K

下载量: 492