结合深度网络与知识迁移的居民地跨地域提取方法研究

作者：李冬瑞; 李家艺; 黄昕^*

来源：测绘地理信息, 2023, 48(06): 94-99.

DOI：10.14188/j.2095-6045.2022007

• 居民地提取
• 迁移学习
• 多尺度融合
• 高分辨率
• 资源三号

居民地内部组成复杂且样本稀少，导致传统监督范式提取精度低、范围小、跨地域提取不可靠等问题。基于此提出一种结合深度网络与知识迁移的框架，用于从高分辨率遥感影像中跨地域提取居民地。该框架在无需居民地监督信息的条件下，通过分析建筑与居民地的高相关性，采用地理映射实现知识迁移，利用建筑数据自动构建居民地样本集。使用深度网络迁移学习获取建筑范围，经模型微调实现跨地域居民地自动提取，并与常用的传统特征设计和全监督深度网络方法进行对比。研究结果表明，在相同的自动化程度下，该框架居民地提取精度优于其他方法，在测试数据上的分类F1指数为85.6%,IOU为74.8%。该框架泛化能力强、样本获取代价低，可为高分辨率遥感影像跨地域居民地提取提供参考。

• 单位
  武汉大学测绘遥感信息工程国家重点实验室; 武汉大学