基于深度学习的高分辨率卫星光学遥感影像建筑物变化检测方法
基本信息
| 申请号 | CN202010347858.0 | 申请日 | - |
| 公开（公告）号 | CN111553272B | 公开（公告）日 | 2022-05-06 |
| 申请公布号 | CN111553272B | 申请公布日 | 2022-05-06 |
| 分类号 | G06V20/13（2022.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;CN 109446992 A,2019.03.08;CN 110136170 A,2019.08.16;CN 108446588 A,2018.08.24;CN 104700411 A,2015.06.10;CN 109961105 A,2019.07.02;US 2018/0293456 A1,2018.10.11 张永宏等.《基于改进U-Net网络的遥感图像云检测》.《测绘通报》.2020,;J. Liu，et al.《A Deep Convolutional Coupling Network for Change Detection Based on Heterogeneous Optical and Radar Images》.《IEEE Transactions on Neural Networks and Learning Systems》.2018,第29卷（第3期）, | 分类 | 计算；推算；计数; |
| 发明人 | 岳照溪;潘琛;郭功举;刘一宁;毛炜青;冯威丁 | 申请（专利权）人 | 上海市测绘院 |
| 代理机构 | 上海科律专利代理事务所（特殊普通合伙） | 代理人 | 叶凤 |
| 地址 | 200063上海市普陀区武宁路419号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 基于深度学习的高分辨率卫星光学遥感影像建筑物变化检测方法，包括步骤1对多期同分辨率同区域的遥感卫星影像进行建筑物的矢量范围勾勒；步骤2依照前后两期遥感影像进行建筑物变化区域的矢量范围勾勒；步骤3制作样本；步骤4扩充样本；步骤5搭建建筑物分类网络1；步骤6调用分类网络1中的参数，搭建变化检测网络2，检测两期影像变化；步骤7、8：分类网络参数及剩余参数训练；步骤9用训练好的网络参数进行建筑物分类检测与变化检测，对检测结果进行形态学处理、训练结果矢量化；步骤10将变化检测结果、建筑物分类结果与人工标定结果对比评定，优化补充样本、再训练。以上技术方案有效检测出变化,得到建筑物新增与减少的变化区域。 |
