简介:摘要:深度学习技术作为直接从数据中学习特征表示的有效方法,近年来启发信息提取领域取得了显著的突破。本文基于2014年、2017年、2018年三期高分一号遥感影像,选取北京市石景山区西部道路为试验区域,针对其变化特征,开展基于深度学习算法的道路自动提取与变化图斑自动发现。论文首先基于地理要素智能训练平台对道路进行样本采集及训练,形成深度学习道路提取模型,之后采用“自动化的线索检测+交互式异常问题判读+野外现场环境取证”的遥感监测技术路线,该流程转变从被动式道路变化发现到主动式道路问题发现与预警,可实现对典型道路的实时、动态及持续的遥感监测。本文选取典型道路样本进行分析、训练,不断优化深度学习卷积神经网络道路提取模型。通过对影像预处理、自动道路监测、交互式异常问题判读、变化图斑自动发现、野外现场环境取证与信息汇交各环节的分析验证发现,基于深度学习道路提取模型自动提取的道路准确率高于80%,可用于城市道路的自动提取和变化发现。