基于深度学习和遥感影像的露天矿自动提取方法研究

• 作者: 刘发发 韩红太 张敏 麻连伟
• 来源期刊: 能源与环保
• 关键词: 深度学习 全卷积神经网络 光学遥感影像 露天矿 自动提取
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 地球科学与勘查|Earth Science and Prospecting
• 页码范围: 82-85,262
• 页数: 5页
• 分类号: TD7|P23
• 语种: 中文
• DOI: 10.19389/j.cnki.1003-0506.2021.06.014

摘要

非法开采不仅危害国家资源,威胁国家财产安全,也存在重大安全隐患,寻找快速发现非法开采行迹的解决办法迫在眉睫.利用光学遥感影像进行人工解译,费时费力、效率极低;而传统的露天矿遥感自动解译方法,或基于像素,或基于面向对象,利用的图像特征简单且数量较少.将深度学习的全卷积神经网络算法引入露天矿自动提取中,充分从底层特征中挖掘大量高层抽象特征,实现露天矿智能高效解译.实验结果表明,该方法在一定程度上有效提高了露天矿识别的准确率,能够为及时发现非法露天矿开采提供基础的数据技术支持.