01、背景介紹
實(shí)時(shí)、精準的建筑物變化檢測對在城市規劃、國土資源管理、地理信息更新等方面具有重要意義。傳統的實(shí)地調查方式費時(shí)費力,數據采集周期長(cháng),難以滿(mǎn)足現階段實(shí)際監管要求。隨著(zhù)衛星遙感技術(shù)的快速發(fā)展,遙感影像呈現出高空間分辨率、高光譜分辨率和高時(shí)間分辨率 “三高”趨勢,其寬幅、瞬時(shí)成像、實(shí)時(shí)傳輸、快速處理等特點(diǎn)對于迅速獲取建筑物變化信息具有現實(shí)的應用價(jià)值。基于此,湖南中科星圖科研部基于遙感智能解譯引擎,開(kāi)展智能識別建筑物變化檢測研究,經(jīng)過(guò)1年多努力,取得較大進(jìn)展,檢測精度均達到90%以上。
02、基本原理
近年來(lái),隨著(zhù)人工智能的高速發(fā)展,深度學(xué)習技術(shù)被廣泛應用到計算機視覺(jué)、自然語(yǔ)言處理等領(lǐng)域,展現出了*接近人類(lèi)所期望的智能效果,如刷臉支付、語(yǔ)音識別、智能翻譯、智能輔助駕駛等等。本研究以深度卷積神經(jīng)網(wǎng)絡(luò )為基礎,開(kāi)展高分辨率建筑物變化檢測研究,其簡(jiǎn)化后的模型框架如下圖所示。
03、測試數據集
本研究利用LEVIR-CD開(kāi)放數據集(https://justchenhao.github.io/LEVIR/)進(jìn)行模型訓練和測試。LEVIR-CD數據集包含了兩個(gè)時(shí)段的637對大小為1024×1024高分辨率(0.5 m)Google Earth 影像并進(jìn)行了變化建筑物標記。為減少計算壓力,本研究將原數據集影像統一裁剪為256×256大小。
04、結果展示
選取建筑物方向和分布不一的5景影像對模型進(jìn)行測試,模型總體精度(Overall Accuracy)達96.9%,F1-Score 和Kappa系數分別為93.0%和90.9%,表明模型檢測的建筑物變化與實(shí)際結果具有很好的一致性。