结合深度网络与知识迁移的居民地跨地域提取方法研究

作     者：李冬瑞 李家艺 黄昕 LI Dongrui;LI Jiayi;HUANG Xin

作者机构：武汉大学遥感信息工程学院湖北武汉430079 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 

基　　金：国家自然科学基金(41771360) 

出 版 物：《测绘地理信息》 (Journal of Geomatics)

年 卷 期：2023年第48卷第6期

页      码：94-99页

摘      要：居民地内部组成复杂且样本稀少,导致传统监督范式提取精度低、范围小、跨地域提取不可靠等问题。基于此提出一种结合深度网络与知识迁移的框架,用于从高分辨率遥感影像中跨地域提取居民地。该框架在无需居民地监督信息的条件下,通过分析建筑与居民地的高相关性,采用地理映射实现知识迁移,利用建筑数据自动构建居民地样本集。使用深度网络迁移学习获取建筑范围,经模型微调实现跨地域居民地自动提取,并与常用的传统特征设计和全监督深度网络方法进行对比。研究结果表明,在相同的自动化程度下,该框架居民地提取精度优于其他方法,在测试数据上的分类F1指数为85.6%,IOU为74.8%。该框架泛化能力强、样本获取代价低,可为高分辨率遥感影像跨地域居民地提取提供参考。

主 题 词：居民地提取 迁移学习 多尺度融合 高分辨率 资源三号 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 

D　O　I：10.14188/j.2095-6045.2022007

馆 藏 号：203124797...