关键词:
国土变更
人工智能
CNN
变化监测
摘要:
选用人工智能深度学习算法,结合国产高分辨率卫星影像开展2023年度夏季与秋季变化图斑遥感提取。通过制定样本制作规则进行样本标注与制作,剔除伪变化图斑,确保样本集的纯净度;研究构建的深度学习变化监测模型兼顾空间关系和时间关系,提升了变化监测精度。通过对研究模型与传统CNN模型的预测精度进行对比分析,研究模型的F1分数提升0.02,对应准确率和召回率提升2%;将多时期影像带入变化监测模型进行地表变化监测,可快速获取变化图斑,对提取的图斑个数进行统计,模型的直接提取召回率为93.7%,准确率为25.32%,经过伪变化剔除后的准确率提升至79.36%。研究提取的图斑可用于国土变更调查,极大提升了变化图斑提取效率与精度。