×
模态框(Modal)标题
在这里添加一些文本
关闭
关闭
提交更改
取消
确定并提交
×
模态框(Modal)标题
×
ISSN 1004-0323
CN 62-1099/TP
RSS服务
|
Email Alert
Toggle navigation
首页
期刊介绍
编委会
投稿指南
期刊在线
当期目录
优先出版
过刊浏览
阅读排行
下载排行
引用排行
期刊订阅
广告合作
出版伦理
联系我们
English
图/表 详细信息
矢量边界约束下基于深度学习和高分影像的土地利用矢量图斑变化检测方法
史嘉诚, 刘伟, 尹鹏程, 曹兆峰, 王云凯, 单浩宇, 张启华
遥感技术与应用, 2024, 39(
3
): 753-763. DOI:
10.11873/j.issn.1004-0323.2024.3.0753
数据编号
预测类别
图斑编号
初始类别
面积比/%
1
林地
225
房屋建筑
16.4
2
林地
490
道路
20.3
3
林地
261
构筑物
15.2
4
耕地
110
房屋建筑
10.1
5
构筑物
548
草地
7.2
6
房屋建筑
065
草地
93.9
7
人工堆掘地
488
房屋建筑
88.2
8
道路
370
水体
12.1
9
草地
143
林地
23.7
10
水体
160
道路
5.7
⋯
⋯
⋯
⋯
⋯
表2
变化对象统计表
本文的其它图/表
图1
实验数据
图2
技术路线
图3
圆形搜索区域
图4
自适应尺度裁剪方法
图5
矢量图斑“干扰项”案例
图6
样本纯化方法
图7
IB-CNN模型结构
图8
变化检测及后处理流程
图9
部分影像分割对比结果(上: 标准SLIC,下: BCTA-SLIC)
图10
算法定量比较
表1
影像分类结果(%)
图11
样本纯化前后分类精度对比
图12
局部变化检测结果
图13
矢量图斑变化决策器
图14
矢量图斑变化检测结果
图15
部分矢量图斑真实变化情况
表3
矢量图斑变化检测精度评价(%)