融合对象影像分析和OCNN的耕地变化检测

作者：徐志红; 关元秀^*; 王善华; 容俊; 唐紫晗

来源：遥感信息, 2022, 37(05): 15-22.

• 耕地
• 深度学习
• 面向对象影像分析
• 对象卷积神经网络
• 变化检测

针对变化检测常用的面向对象影像分析(object based image analysis, OBIA)技术中规则数量巨大、时空普适性差、深度学习方法样本获取困难且精度难以满足工程化需求的现状，提出了一种将面向对象影像分析和对象卷积神经网络(object convolutional neural network, OCNN)相结合的耕地变化检测方法。以基期(T1)耕地矢量为约束条件，当期(T2)高分辨率影像OCNN土地覆被分类结果为主要判断依据，结合知识规则，进行耕地地块层和对象层变化检测。为了验证本文提出的耕地变化检测方法的有效性，采用两个实验区域，将OCNN分别与卷积神经网络(convolutional neural network, CNN)、VGG(visual geometry group)检测结果进行比较。结果表明，该方法在效率和精度上都显著优于基于CNN与VGG网络的方法。