基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物

摘要：

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大.本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型.由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分:①通过全连接卷积网络(CNN)对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;②在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度.根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87％以上;形状提取精度为89.84％,Kappa系数为0.7851,识别与提取精度均优于传统分类方法.同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果.

关键词：高分辨率遥感影像、深度学习、固体废弃物、卷积神经网络、条件随机场

所属期刊栏目：21

资助基金：国家重点研发计划2017YFB0503905;国土资源部城市土地资源监测与仿真重点实验室开放课题KF-2016-02-012、KF-2018-03-032.[

在线出版日期：2019-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：259-268