深度学习和遥感影像支持的矢量图斑地类解译真实性检查方法

作者：郭子慧,刘伟

摘要：空间数据质量检查是数据准确可靠的重要保障,是数据的生命线。然而,目前的空间数据质量检查主要针对拓扑关系、属性一致性以及数据间的相关性进行检查,往往忽视矢量图斑地类解译真实性问题。因此,本文提出深度学习和高分遥感影像支持的矢量图斑地类解译真实性检查方法,选用深度学习经典模型Inception_v3进行迁移学习,对分割后的影像进行自动场景分类,以高分遥感影像块的场景分类结果作为参照依据,对场景分类结果与矢量图斑原始数据进行叠加分析,自动查找出类别信息不符的分割单元,从而提取出可疑图斑,实现矢量图斑地类解译真实性自动检查,并在徐州市贾汪区青山泉镇和大吴镇的矢量图斑地类解译真实性检查中进行验证。实验结果表明,本文方法在研究区图斑地类解译真实性检查中的精确率和召回率分别高达0.925和0.817,可为矢量图斑地类解译真实性检查提供可靠的技术支撑。

发文机构：江苏师范大学地理测绘与城乡规划学院 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室

关键词：深度学习Inception_v3高分遥感影像空间数据质量检查矢量图斑迁移学习场景分类真实性deep learningInception_v3high resolution remote sensing imagespatial data quality checkvector patchtransfer learningscene classificationauthenticity

分类号： TP3[自动化与计算机技术—计算机科学与技术]