一种稀疏降噪自编码神经网络影像变化检测方法

摘要：

采用粤西2018—2019年优于0.5 m地理国情监测影像,结合2018年矢量化地表覆盖分类成果,使用稀疏降噪自编码神经网络深度学习方法,首先选取BJ、GF、ZY等各类高分辨率遥感影像训练生成多传感器训练模型;其次利用PCA主成分分析提取样本数据最大特征,实现样本数据白化降维;最后采用tanh函数作为神经元激活函数,选取softmax回归分类器逐层训练深度网络模型,并计算该模型总体损失函数,求出损失函数最小值作为该模型最优参数解.试验表明:1)该方法在城乡接合部查全率优于88％,建成区查全率优于92％,农村地区查全率优于80％,准确度优于68％;2)结合语义分割对稀疏降噪自编码神经网络能够产生较好的局部极值,网络结构达到较好泛化性能,减少了高分辨率遥感影像特征过拟合现象.

关键词：语义分割;稀疏降噪自编码;主成分分析;神经网络;变化检测

所属期刊栏目：45

分类号：P208(一般性问题)

资助基金：广东省自然资源厅科技项目;广东省自然资源厅科技项目

在线出版日期：2022-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：40-44