一种深度学习土地利用图斑影像核查方法

摘要：

鉴于深度卷积神经网络(deep convolutional neural networks,DCNN)的矩形感受野与土地利用图斑不规则形状范围的套合程度是影响土地利用图斑识别精度的重要因素,文章提出一套基于高分辨率影像的DCNN土地利用类型核查方法.该方法采用图斑掩膜裁切高分辨率影像,滤除矩形感受野内不套合部分,降低背景噪声,提高信噪比,从而准确识别图斑影像语义,通过检查语义与土地利用类型的符合性实现图斑的土地利用类型核查.在广水市第三次国土调查土地利用类型核查工作中,该方法获得了召回率为93.54％、准确率为93.57％的结果,为国土调查核查工作自动化提供了技术支撑.

关键词：高分辨率影像;土地利用类型核查;深度卷积神经网络;多语义;低噪声

所属期刊栏目：36

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2021-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：56-63