-
题名基于深度学习的无标签超分辨率土地覆盖制图研究
- 1
-
-
作者
汤媛媛
严恩萍
唐玉宾
聂小力
聂平静
亓梦茹
-
机构
中国地质调查局长沙自然资源综合调查中心
中南林业科技大学林业遥感信息工程研究中心
林业遥感大数据与生态安全湖南省重点实验室
南方森林资源经营与监测国家林业和草原局重点实验室
-
出处
《西南林业大学学报(自然科学)》
北大核心
2025年第5期147-154,共8页
-
基金
武夷山重点地区生态修复综合调查项目(DD20230479)资助
南平市典型红壤区地表基质调查项目(DD20220865)资助
+3 种基金
高植被密度区隐匿目标植被-土壤特征光谱指数分类与识别机理研究项目(KC20220013)资助
洞庭湖湿地生态修复综合调查项目(DD20230478)资助
东部平原湖区南部湖泊调查项目(DD20230506)资助
大别山区东段生态修复综合调查项目(DD20242416)资助。
-
文摘
通过整合标签超分辨率(SR)和实例批量归一化网络(IBN-Net),在无本地高分辨率标签的情况下,实现了福建省光泽县的2m分辨率土地覆盖制图,提出了一种基于深度学习的无标签土地覆盖制图方法。结果表明:利用改进的全卷积神经网络(FCN)模型能够实现标签超分辨率,将低分辨率标签提升至高分辨率,有效提高分类精度;IBN-Net网络增强了模型的泛化能力,显著提升跨域应用的效果。相比于内源低分辨率标签,使用高精度的外源标签使模型在光泽县的整体准确率提高2.55%,达到85.48%。本方法在无匹配标签条件下,显著提升土地覆盖制图的精度,可为区域生态监测和管理提供有效的技术支持。
-
关键词
土地覆盖制图
标签超分辨率
深度学习
FCN网络
IBN网络
-
Keywords
land cover mapping
label super-resolution
deep learning
fully convolutional neural network
instance batch normalization network
-
分类号
P285
[天文地球—地图制图学与地理信息工程]
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于缩影的多时相遥感语义变化检测方法
被引量：2
- 2
-
-
作者
景维鹏
王健
张文钧
谷俊涛
陈广胜
-
机构
东北林业大学信息与计算机工程学院
黑龙江省网络空间研究中心
-
出处
《华中农业大学学报》
CAS
CSCD
北大核心
2023年第3期123-132,共10页
-
基金
国家自然科学基金项目(32171777)
黑龙江省应用技术研究与开发计划项目(GA20A301)。
-
文摘
针对高分辨率遥感图像标签稀缺和标签技术增长缓慢限制了多时相语义变化检测发展的问题,提出了采用有噪声、低分辨率的弱标签替代高分辨率标签进行多时相语义变化检测的方法。首先,采用低分辨率卫星数据平滑高分辨率遥感图像输入的质量差异。其次,通过将缩影(epitomes)模型和标签超分辨率算法作为统计推理算法相结合的方法预估高分辨率遥感图像分类图,并拟合一个小型FCN网络对生成的遥感图像分类图进行后处理来改善其分类的效果。最后,通过对比不同时相土地覆盖分类图像之间的差异得出变化检测结果。结果表明,本研究提出的方法与其他多时相语义变化检测方法 FCN/all相比,平均交并比(mIoU)提高了8.9个百分点,能够有效检测土地覆盖分类变化。
-
关键词
弱监督
标签超分辨率
缩影
土地覆盖变化图
语义分割
遥感影像
变化检测
-
Keywords
weak supervision
label super-resolution
epitomes
map of land cover changes
semantic segmentation
remote sensing image
detecting changes
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
