公开(公告)号：CN115497006A

公开(公告)日：2022-12-20

申请号：CN202211138291.1

申请日：2022-09-19

Applicant: 杭州电子科技大学

Inventor： 滕旭阳 ,  林煜凯 ,  冯嘉旖 ,  蔡璐 ,  高永盛

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82

Abstract: 本发明公开了一种基于动态混合策略的城区遥感图像变化深度监测方法及系统，本发明方法按如下步骤：S1、对城市遥感图像进行预处理，并对不同类别城市区域进行标注，得到数据集；S2、基于Xception作为骨干网络采用动态混合池化策略的DeepLabV3+网络模型，利用步骤S1的数据集训练网络；S3、将同一城市区域不同时间的遥感图像进行同比例裁剪，输入训练好的网络模型中，对图像进行分割；S4、得到城市遥感图像的区域分类结果后，计算一段时间内各区域类别的变化程度并将变化标注在图上。本发明对遥感图像的各层特征图动态地选择不同的池化方式进行池化，能够更好地把握图像的全局信息和局部信息，提高了分割精度。

公开(公告)号：CN115497006B

公开(公告)日：2023-08-01

申请号：CN202211138291.1

申请日：2022-09-19

Applicant: 杭州电子科技大学

Inventor： 滕旭阳 ,  林煜凯 ,  冯嘉旖 ,  蔡璐 ,  高永盛

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82

Abstract: 本发明公开了一种基于动态混合策略的城区遥感图像变化深度监测方法及系统，本发明方法按如下步骤：S1、对城市遥感图像进行预处理，并对不同类别城市区域进行标注，得到数据集；S2、基于Xception作为骨干网络采用动态混合池化策略的DeepLabV3+网络模型，利用步骤S1的数据集训练网络；S3、将同一城市区域不同时间的遥感图像进行同比例裁剪，输入训练好的网络模型中，对图像进行分割；S4、得到城市遥感图像的区域分类结果后，计算一段时间内各区域类别的变化程度并将变化标注在图上。本发明对遥感图像的各层特征图动态地选择不同的池化方式进行池化，能够更好地把握图像的全局信息和局部信息，提高了分割精度。