01、背景介紹
實時、精準的建筑物變化檢測對在城市規(guī)劃、國土資源管理、地理信息更新等方面具有重要意義。傳統(tǒng)的實地調(diào)查方式費時費力,數(shù)據(jù)采集周期長,難以滿足現(xiàn)階段實際監(jiān)管要求。隨著衛(wèi)星遙感技術(shù)的快速發(fā)展,遙感影像呈現(xiàn)出高空間分辨率、高光譜分辨率和高時間分辨率 “三高”趨勢,其寬幅、瞬時成像、實時傳輸、快速處理等特點對于迅速獲取建筑物變化信息具有現(xiàn)實的應(yīng)用價值。基于此,湖南中科星圖科研部基于遙感智能解譯引擎,開展智能識別建筑物變化檢測研究,經(jīng)過1年多努力,取得較大進展,檢測精度均達到90%以上。
02、基本原理
近年來,隨著人工智能的高速發(fā)展,深度學(xué)習(xí)技術(shù)被廣泛應(yīng)用到計算機視覺、自然語言處理等領(lǐng)域,展現(xiàn)出了*接近人類所期望的智能效果,如刷臉支付、語音識別、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(chǔ),開展高分辨率建筑物變化檢測研究,其簡化后的模型框架如下圖所示。
03、測試數(shù)據(jù)集
本研究利用LEVIR-CD開放數(shù)據(jù)集(https://justchenhao.github.io/LEVIR/)進行模型訓(xùn)練和測試。LEVIR-CD數(shù)據(jù)集包含了兩個時段的637對大小為1024×1024高分辨率(0.5 m)Google Earth 影像并進行了變化建筑物標記。為減少計算壓力,本研究將原數(shù)據(jù)集影像統(tǒng)一裁剪為256×256大小。
04、結(jié)果展示
選取建筑物方向和分布不一的5景影像對模型進行測試,模型總體精度(Overall Accuracy)達96.9%,F(xiàn)1-Score 和Kappa系數(shù)分別為93.0%和90.9%,表明模型檢測的建筑物變化與實際結(jié)果具有很好的一致性。