基于卷积神经网络的电线塔识别与更新入库

• 作者: 陈超 丁婷 杨锦
• 来源期刊: 地理空间信息
• 关键词: 卷积神经网络 要素识别 变化检测 叠置分析 更新入库
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 测绘工程案例
• 页码范围: 85-87,122
• 页数: 4页
• 分类号: P237
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4623.2021.07.024

摘要

利用卷积神经网络实现了电线塔的提取与更新入库.首先将遥感影像分为训练区域与校正区域,结合本底矢量数据,在训练区域分别获得目标与非目标样本影像块,并以此训练卷积神经网络;再利用卷积神经网络在校正区域提取电线塔;然后通过与本底数据的叠置分析,获得电线塔的增量数据;最后根据不同的类型对增量数据进行更新入库.实验结果表明,该方法的检测率和误检率分别为0.758和0.375,可作为电线塔快速更新的有效手段,也可为其余重要要素更新提供参考.