一种稀疏降噪自编码神经网络影像变化检测方法

• 作者: 王斌 罗莉 刘金沧 黄小川 雷雳
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: 语义分割 稀疏降噪自编码 主成分分析 神经网络 变化检测
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 基金项目专栏|Fund Projects Column
• 页码范围: 40-44
• 页数: 5页
• 分类号: P208
• 语种: 中文
• DOI: 10.3969/j.issn.1672-5867.2022.01.011

摘要

采用粤西2018—2019年优于0.5 m地理国情监测影像,结合2018年矢量化地表覆盖分类成果,使用稀疏降噪自编码神经网络深度学习方法,首先选取BJ、GF、ZY等各类高分辨率遥感影像训练生成多传感器训练模型;其次利用PCA主成分分析提取样本数据最大特征,实现样本数据白化降维;最后采用tanh函数作为神经元激活函数,选取softmax回归分类器逐层训练深度网络模型,并计算该模型总体损失函数,求出损失函数最小值作为该模型最优参数解.试验表明:1)该方法在城乡接合部查全率优于88％,建成区查全率优于92％,农村地区查全率优于80％,准确度优于68％;2)结合语义分割对稀疏降噪自编码神经网络能够产生较好的局部极值,网络结构达到较好泛化性能,减少了高分辨率遥感影像特征过拟合现象.