基于U-Net卷积神经网络的遥感影像变化检测方法研究

针对目前遥感影像传统变化检测方法中存在的影像预处理技术要求苛刻、部分环节需采取人工干预、难以做到信息提取自动化、难以处理海量多源数据等问题,基于深度学习卷积神经网络方法,进行U-Net网络模型在遥感影像变化检测中的应用研究.以水体为例,利用该方法对两时相的遥感影像进行变化检测,通过对比基于支持向量机(SVM)的分类后比较法后发现,在给予大量充分训练数据的情形下,利用该方法对试验数据进行变化检测,得到的卡帕系数Kappa为0.88,总体精度为97.06％,相比传统方法精度有所提升,说明本文方法进行变化检测有一定的可用性.研究可为自然资源调查管理提供极强的现势性数据,对开展自然资源管理工作的动态监测提供一个可行的方案.