一种基于深度学习的变化检测方法及实现

发布时间：2024-02-23 23:36

　　遥感能够全面、立体、快速、有效地探明地上和地下自然资源的分布情况,这使其逐步成为从多维和宏观角度去认识世界的重要方法和手段。目前,遥感数据采集技术逐渐成熟,但精准的遥感专题信息提取主要靠全人工目视解译实现,迫切需要自动化的高精度遥感影像信息提取技术实现快速的变化检测和信息提取,为自然资源调查监测快速提供高精度产品成果。文章提出一种基于深度学习的影像变化检测方法,通过构建训练样本库,采用残差全卷积神经网络作为模型的骨干框架,进行模型训练并解译不同时相的影像,然后对解译结果求差,并采用形态学处理,从而有效辨别变化的区域。

【文章页数】：6 页

【文章目录】：
0 引言
1 基于深度学习影像解译的变化检测方法
    1.1 预处理
    1.2 变化信息获取
    1.3检测结果后处理及输出
    1.1自然资源训练样本库构建方法
    1.2 基于残差全卷积神经网络模型的分类方法
    1.3 差值变化检测方法
    1.4 形态学变化处理
        1.4.1 膨胀
        1.4.2 腐蚀
        1.4.3 开操作
        1.4.4 闭操作
2 具体实现
    2.1 样本库构建
    2.2 模型训练与测试
3 结语



本文编号：3908153