融合对象影像分析和OCNN的耕地变化检测

摘要：

针对变化检测常用的面向对象影像分析(object based image analysis,OBIA)技术中规则数量巨大、时空普适性差、深度学习方法样本获取困难且精度难以满足工程化需求的现状,提出了一种将面向对象影像分析和对象卷积神经网络(object convolutional neural network,OCNN)相结合的耕地变化检测方法.以基期(T1)耕地矢量为约束条件,当期(T2)高分辨率影像OCNN土地覆被分类结果为主要判断依据,结合知识规则,进行耕地地块层和对象层变化检测.为了验证本文提出的耕地变化检测方法的有效性,采用两个实验区域,将OCNN分别与卷积神经网络(convolutional neural network,CNN)、VGG(visual geometry group)检测结果进行比较.结果表明,该方法在效率和精度上都显著优于基于CNN与VGG网络的方法.

关键词：耕地、深度学习、面向对象影像分析、对象卷积神经网络、变化检测

所属期刊栏目：37

分类号：P237(摄影测量学与测绘遥感)

资助基金：浙江省自然资源厅科技项目2022-80

在线出版日期：2022-11-10（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：15-22