论文部分内容阅读
随着人工智能技术的发展,以深度学习为主流的机器学习逐渐取代人工解译的方法,使遥感影像中地物资源的自动化判读成为现实。为解决传统人工判读引起的人力资源耗费高、解析精度差的问题,同时也为满足日益增长的遥感数据量的判读需求,基于语义分割的深度学习地物变化检测方法,实现耕地区域自动分割分类,通过对比时序影像差异得出变化区域范围,为自动化实现地物变化监测提供有效解决办法。以实际地区为例,采用deeplab语义分割网络的方法实现耕地资源的自动化提取与变化检测,实验证明该方法相比人工以及传统分类模型具有更好的检测精度。