基于改进DenseNet网络的多源遥感影像露天开采区智能提取方法

• 作者: 吴艳兰 姚雪东 张峰极 梁泽毓
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 深度学习 全卷积神经网络 DenseNet 露天开采区提取 全自动化
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 数据与图像处理
• 页码范围: 673-684
• 页数: 12页
• 分类号: TP79
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2020.3.0673

摘要

利用遥感技术对露天开采区进行信息提取和监测已成为解决矿山自然环境问题的重要手段.通过改进带密集连接的全卷积神经网络,构建露天开采区样本库,并训练了针对多源遥感数据的露天开采区提取模型,最终实现对铜陵地区露天开采区的全自动提取.与传统分类方法和深度学习方法相比,该方法在基于像元和基于对象的评价方面具有较好的精度,其中像元精度PA:0.977,交并比IoU:0.721,综合评价指标F1:0.838,Kappa系数:0.825,召回率:0.913,漏警率:0.087,虚警率:0.533.同时,该模型对于匀色较差的GoogleEarth影像也有较好的提取效果,表现出较强的泛化性和适用性,在多源遥感影像露天开采区提取方面具有较强的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴艳兰	安徽大学资源与环境工程学院	31	150	8.0	11.0
3	张峰极	安徽大学资源与环境工程学院	1	0	0.0	0.0
6	姚雪东	安徽大学资源与环境工程学院	1	0	0.0	0.0
7	梁泽毓	安徽大学资源与环境工程学院	2	9	1.0	2.0