基于改进DenseNet网络的多源遥感影像露天开采区智能提取方法

编号 zgly0001710880

文献类型 期刊论文

文献题名 基于改进DenseNet网络的多源遥感影像露天开采区智能提取方法

作者 张峰极  吴艳兰  姚雪东  梁泽毓 

作者单位 安徽大学资源与环境工程学院  安徽省地理信息智能技术工程研究中心 

母体文献 遥感技术与应用 

年卷期 2020年03期

年份 2020 

分类号 TD804  TP751 

关键词 深度学习  全卷积神经网络  DenseNet  露天开采区提取  全自动化 

文摘内容 利用遥感技术对露天开采区进行信息提取和监测已成为解决矿山自然环境问题的重要手段。通过改进带密集连接的全卷积神经网络,构建露天开采区样本库,并训练了针对多源遥感数据的露天开采区提取模型,最终实现对铜陵地区露天开采区的全自动提取。与传统分类方法和深度学习方法相比,该方法在基于像元和基于对象的评价方面具有较好的精度,其中像元精度PA:0.977,交并比IoU:0.721,综合评价指标F1:0.838,Kappa系数:0.825,召回率:0.913,漏警率:0.087,虚警率:0.533。同时,该模型对于匀色较差的GoogleEarth影像也有较好的提取效果,表现出较强的泛化性和适用性,在多源遥感影像露天开采区提取方面具有较强的应用价值。