基于DCNN特征的建筑物震害损毁区域检测

• 作者: 周阳 张云生 朱耀晨 赵芮雪 邹峥嵘 陈斯飏
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 损毁建筑物 卷积神经网络 SVM 高空间分辨率遥感影像
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 技术方法
• 页码范围: 44-50
• 页数: 7页
• 分类号: TP751
• 字数: 4876字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2019.02.07

摘要

为了提高基于高空间分辨率遥感影像的建筑物震害损毁评估精度,引入深度卷积神经网络(deep convolutional neural network,DCNN)模型,提出一种利用DCNN全连接层特征结合支持向量机(support vector machine,SVM)进行遥感影像建筑物震害损毁区域检测的方法.首先,利用神经网络前馈方式从DCNN全连接层提取训练样本和待检测区域的特征;然后,基于样本训练SVM分类器;最后,对待检测区域的所有区块进行分类预测和投票确定是否损毁.以2010年海地地震遥感影像为例,建筑物损毁检测正确率可以达到89％,相比于传统的特征提取方法正确率提高了4％.实验结果表明该方法在建筑物震害损毁检测方面具有一定的应用潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹峥嵘	中南大学地球科学与信息物理学院	158	1385	19.0	29.0
2	周阳	中南大学地球科学与信息物理学院	49	559	15.0	22.0
3	张云生	中南大学地球科学与信息物理学院	43	174	6.0	11.0
4	陈斯飏	中南大学地球科学与信息物理学院	3	4	2.0	2.0
5	朱耀晨	中南大学地球科学与信息物理学院	1	2	1.0	1.0
6	赵芮雪	中南大学地球科学与信息物理学院	1	2	1.0	1.0