领域知识优化深度置信网络的遥感变化检测

ZHANG Haiming,WANG Mingchang,CHEN Xueye,WANG Fengyan,YANG Guodong, GAO Su

Geomatics and Information Science of Wuhan University（2022）

引用 0|浏览7

暂无评分

摘要

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.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要