基于深度学习的高分遥感影像典型地物检测方法应用实践

孙广伟，李博，陈嘉浩，张大富，范俊甫

(山东理工大学 建筑工程学院，山东 淄博 255049)

高分辨率遥感影像能够精细地表达丰富的地表信息，在自然资源普查、农作物估产、生态环境评价、气候变化分析、人类活动监测等领域具有巨大的应用潜力和发展前景，被广泛应用于国民经济建设的各个行业[1]。高分辨率遥感影像包含多种多样的复杂地物信息，传统的地物信息提取往往依靠大量的人工参与实现，费时费力且效率低下，成本昂贵。2006年，多伦多大学的Hinton等[2]提出了深度学习的概念。随着相关理论与模型的深入发展，基于深度学习的人工智能技术逐渐在机器人、语音识别、图像识别、自然语言处理和专家系统等领域得到了深入研究和广泛应用[3-4]。

深度学习模型需要建立包含大量样本的训练数据才能获得更好的计算效果。高分辨率遥感影像不仅具有庞大的数据量，同时也蕴含着丰富的地物信息，能够满足建立深度学习训练数据集的需要。2010年，Mnih等[5]首次将深度学习技术应用于道路信息提取。此后，深度学习技术在高分辨率遥感影像的地物识别、各类信息的提取、变化检测等方面得到了深入研究。近年来，基于卷积神经网络(convolutional neural network，CNN)的深度学习技术广泛应用于自动化遥感信息提取与地物识别，已成为高分辨率遥感影像处理领域的前沿与热点之一[6]。

随着计算机软硬件技术的发展，出现了一些经典的卷积神经网络模型与算法[7]。2014年以来，基于卷积……