点击上方「城市遥感与地理智能」关注我们
题目：融合遥感影像与POI数据的遥感场景变化检测方法
成果简介
近年来，地理大数据快速发展。除了表达地表要素自然属性的遥感影像，描述社会活动与经济行为的流要素数据也逐渐被引入变化检测中。近日，南京大学杜培军教授课题组在遥感领域期刊Remote Sensing Letters上发表论文Scene-level change detection by integrating VHR images and POI data using a multiple-branch fusion network。该研究提出了一种多分支融合网络，充分挖掘遥感影像和POI数据深度信息，实现场景变化的精准识别。
图1. RSL论文首页
1
论文导读
融合遥感影像与POI数据进行场景变化检测，通常能够取得比使用单一影像更高的检测精度。然而目前融合多源数据的场景变化检测方法仍然存在着深度特征利用不充分、时序信息挖掘不足等问题。为了解决上述问题，提出了一种多分支融合网络。在南京浦口区数据集上进行了方法验证，结果表明提出方法能够获得更高的分类和变化检测精度。
2
研究方法
提出方法主要包括了三个步骤: (1) POI数据重分类，并利用核密度分析将其栅格化。(2) 将遥感影像与核密度图输入到多分支融合网络中进行训练。(3) 使用训练完成的网络预测产生两期场景分类结果，通过分类后比较法生成变化轨迹图。
图2. 多分支融合网络结构图
3
研究结果
在南京浦口区数据集上进行了方法验证，结果表明提出方法能够获得更高的分类和变化检测精度。
图3. 研究区与数据
表1. 不同方法的场景分类与变化检测精度
4
研究结论
论文信息
供稿：方 宏
编辑：李春强
审核：郭山川
指导：杜培军
点击阅读原文 了解更多详情
