基于深度学习的高分辨率卫星遥感影像围填海检测识别

摘要：

基于高分辨率卫星遥感影像自动、准确提取围填海土地利用现状,是实现围填海集约使用的重要技术手段.针对高分辨率卫星遥感影像地物特征复杂,依赖人工提取特征的传统方法较难满足业务部门实际需求的问题,提出了基于深度学习的围填海检测识别技术框架,该框架使用U-Net网络的多约束变体结构,并针对高分辨率遥感影像地物特征复杂导致地物分类不一致的问题,引入全连接条件随机场和图像腐蚀运算对分割结果进行后处理.以天津市滨海新区2016年和2020年高分辨卫星遥感影像为数据源进行了验证,实验表明围填海地物分割整体准确率、F1-score、Kappa系数以及mIoU分别达到96.73％、92.87％、90.28％、86.82％.在此基础上,分析提取了该围填海区域土地利用动态变化特征,为围填海集约使用管理提供了有效技术支撑.

关键词：围填海、深度学习、检测识别、U-Net

所属期刊栏目：37

分类号：P756.8(海洋工程)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;山东省高等学校科技计划项目

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：789-799