顾及地理尺度的矢量建筑物变化检测方法OACSTPCD
高现势性数据与现有矢量地理实体数据库融合和更新时,由于现有基础地理数据库具有特定规范、精度与比例尺要求,使变化检测异常困难。鉴于此,提出了一种顾及地理尺度的变化检测样本构建方法。首先通过数据匹配建立新旧矢量数据同名实体间的对应关系,再通过固定尺度地理单元和数学形态学方法将变化样本聚焦在局部显著变化区域,以提高卷积神经网络对变化信息的尺度感知力。通过实验确定了样本地理单元的合适尺度,并对比了AlexNet、GoogleNet与传统C4.5决策树模型的变化检测效果。结果表明,基于图像的深度学习方法优于基于矢量人工特征的C4.5模型;基于固定尺度单元样本库的变化检测模型明显优于基于外接矩形样本的构建方法,进一步验证了该方法的有效性。
郭英琦;张翔;李若兰;程雄;
武汉大学资源与环境科学学院,湖北武汉430079中山大学测绘科学与技术学院,广东珠海519082
测绘与仪器
志愿者地理信息变化检测样本构建OSM卷积神经网络
《地理空间信息》 2024 (007)
P.44-49 / 6
国家自然科学基金面上基金资助项目(41671384)。
评论