基於深度學習的航空影像變化監測關鍵技術研究

《基於深度學習的航空影像變化監測關鍵技術研究》是由浙江省測繪科學技術研究院擔任第一完成單位，由余華芬、季順平、聶晨暉、顧春墚、余大文、潘驍駿、吳迪、唐偉、武贇贇、熊維康、陳凱翔、徐燕、湯富平、劉勇、俞峰為主要完成人的科研項目。

基本介紹

• 中文名：基於深度學習的航空影像變化監測關鍵技術研究
• 第一完成單位：浙江省測繪科學技術研究院
• 主要完成人：余華芬、季順平、聶晨暉、顧春墚、余大文、潘驍駿、吳迪、唐偉、武贇贇、熊維康、陳凱翔、徐燕、湯富平、劉勇、俞峰
• 項目類別：科研項目

成果信息

成果登記號	20200674
成果名稱	基於深度學習的航空影像變化監測關鍵技術研究
第一完成單位	浙江省測繪科學技術研究院
主要完成人	余華芬、季順平、聶晨暉、顧春墚、余大文、潘驍駿、吳迪、唐偉、武贇贇、熊維康、陳凱翔、徐燕、湯富平、劉勇、俞峰
研究起始日期	2018-04-01
研究終止日期	2019-12-01
主題詞	建築物提取，圖卷積網路，建築物多邊形規則化，卷積神經元網路，語義分割網路，道路網提取，變化檢測，遙感影像分類

成果摘要

本項目主要成果如下: 實現模型訓練樣本庫的自動構建。結合ArcGIS中的相關數據處理軟體包和python開發環境，設計和實現從已有的測繪生產資料到深度學習網路模型所要求格式的輸入數據間的自動化生成過程。通過矢量與柵格處理，實現網路模型訓練樣本庫的自動構建，同時設計和開發數據核查程式，全自動完成模型訓練數據的預處理步驟。 實現地物信息的智慧型化提取。研究基於U-Net和特徵金字塔進行網路設計，加入注意力機制，提升網路對複雜遙感影像中不同分辨、類型、大小的建築物的提取能力；研究利用Mask R-CNN生成影像上建築物的包容盒，將包容盒內的影像輸入到GCN網路，生成建築物的矢量邊緣；研究針對複雜情況下水體提取，包括植被遮擋、乾涸小溝等，將注意力機制與多階段多尺度網路相結合，提取差異明顯的複雜水體；研究道路語義分割方法，解決原始分割結果中道路斷裂以及單起點追蹤結果中道路不完整的缺陷；實現地物信息的智慧型化提取。 實現航空遙感影像自動變化發現。開發基於航空遙感影像的地物自動變化發現平台，實現建築物、道路、水系的提取與自動變化發現。從先分類後檢測變化的思路出發，研究基於全卷積神經網路FCN的地表覆蓋類型分類和基於地表覆蓋分類結果的變化區域提取。,本項目主要成果如下: 實現模型訓練樣本庫的自動構建。結合ArcGIS中的相關數據處理軟體包和python開發環境，設計和實現從已有的測繪生產資料到深度學習網路模型所要求格式的輸入數據間的自動化生成過程。通過矢量與柵格處理，實現網路模型訓練樣本庫的自動構建，同時設計和開發數據核查程式，全自動完成模型訓練數據的預處理步驟。 實現地物信息的智慧型化提取。研究基於U-Net和特徵金字塔進行網路設計，加入注意力機制，提升網路對複雜遙感影像中不同分辨、類型、大小的建築物的提取能力；研究利用Mask R-CNN生成影像上建築物的包容盒，將包容盒內的影像輸入到GCN網路，生成建築物的矢量邊緣；研究針對複雜情況下水體提取，包括植被遮擋、乾涸小溝等，將注意力機制與多階段多尺度網路相結合，提取差異明顯的複雜水體；研究道路語義分割方法，解決原始分割結果中道路斷裂以及單起點追蹤結果中道路不完整的缺陷；實現地物信息的智慧型化提取。 實現航空遙感影像自動變化發現。開發基於航空遙感影像的地物自動變化發現平台，實現建築物、道路、水系的提取與自動變化發現。從先分類後檢測變化的思路出發，研究基於全卷積神經網路FCN的地表覆蓋類型分類和基於地表覆蓋分類結果的變化區域提取。