基于深度学习的遥感影像城市扩展方法研究

在已有的遥感影像变化检测方法基础之上,引入并提出利用深度学习中的深度信念网络对高分辨率遥感影像进行分类及城市扩展变化检测分析。通过与传统方法的对比,深度学习的总体精度和Kappa系数最高。深度学习的生产者精度最高,误判率比较低,最适用于城市建成区变化趋势的研究。通过计算图像的信息熵对隐含层节点数进行预测,大大缩短了深度学习的时间,相同实验条件下每幅影像训练时间可缩短12.525 s,提高了分类效率,对于城市扩展应用研究具有较大的贡献。最后应用改进的深度信念网络对北京市三期遥感影像进行分类及变化检测,并分析了北京市的城市扩展趋势及特征。为城市规划、土地利用保护提供技术参考及借鉴。