基于深度学习的高分辨率光学卫星遥感影像建筑物变化检测方法

摘要

随着遥感技术的发展与遥感影像更新频率的提升,自动化建筑物识别与变化检测,在城市规划与管理、城市数据更新等领域都起着极为重要的作用。本文针对建筑物变化特征复杂的特性,提出了一种基于深度学习的建筑物变化检测方法。首先,针对上海市卫星影像特征建立了建筑物变化样本数据库,并利用翻转、改变亮度等多种方式进行样本的扩充;然后,结合深度学习Resnet、Unet等网络结构进行算法的优化与改善,得到优化后的变化检测网络结构;接着,用样本库进行网络参数的训练;最终得到适合上海区域的变化检测网络模型。通过在上海市0.5m高分辨率卫星数据上进行多种算法的对比实验,表明本文方法能够有效进行城市建筑物变化检测,并能得到较优的效果。