深度學習和遙感影像支持的矢量圖斑地類解譯真實性檢查方法

作者：郭子慧,劉偉

摘要：空間數據質量檢查是數據準確可靠的重要保障,是數據的生命線。然而,目前的空間數據質量檢查主要針對拓撲關系、屬性一致性以及數據間的相關性進行檢查,往往忽視矢量圖斑地類解譯真實性問題。因此,本文提出深度學習和高分遙感影像支持的矢量圖斑地類解譯真實性檢查方法,選用深度學習經典模型Inception_v3進行遷移學習,對分割后的影像進行自動場景分類,以高分遙感影像塊的場景分類結果作為參照依據,對場景分類結果與矢量圖斑原始數據進行疊加分析,自動查找出類別信息不符的分割單元,從而提取出可疑圖斑,實現矢量圖斑地類解譯真實性自動檢查,并在徐州市賈汪區青山泉鎮和大吳鎮的矢量圖斑地類解譯真實性檢查中進行驗證。實驗結果表明,本文方法在研究區圖斑地類解譯真實性檢查中的精確率和召回率分別高達0.925和0.817,可為矢量圖斑地類解譯真實性檢查提供可靠的技術支撐。

發文機構：江蘇師范大學地理測繪與城鄉規劃學院 中國科學院地理科學與資源研究所資源與環境信息系統國家重點實驗室

關鍵詞：深度學習Inception_v3高分遙感影像空間數據質量檢查矢量圖斑遷移學習場景分類真實性deep learningInception_v3high resolution remote sensing imagespatial data quality checkvector patchtransfer learningscene classificationauthenticity

分類號： TP3[自動化與計算機技術—計算機科學與技術]