基于卷积神经网络的电线塔识别与更新入库

陈 超，丁 婷，杨 锦

（1.江苏省基础地理信息中心,江苏 南京 210013）

基础测绘是为经济建设、国防建设和社会发展提供地理信息的基础性公益性事业,是经济社会可持续发展的重要支撑。《全国基础测绘中长期规划纲要（2015－2030年）》提出要构建新型基础测绘,并明确其应具备“全球覆盖、海陆兼顾、联动更新、按需服务、开放共享”等特征,各地都已进行了一定的探索。开展重要基础地理信息快速、及时更新,既是常规更新工作的重要补充,也是新型基础测绘的扩展。

我国通过高分专项工程已初步构建了高分卫星遥感系统,基本形成涵盖不同空间分辨率、不同覆盖宽度、不同谱段、不同重访周期的高分数据体系,这些遥感影像在土地利用、城市规划、农业管理、军事侦察等方面已发挥了重要作用[1-4]。传统方法是通过人为设计的纹理特征、HOG[5]、LBP[6]、SIFT[7]、Bag-Of-Words[8]等各类特征对影像进行目标检测。近年来,深度学习在遥感影像应用方面已有出色表现,尤其是卷积神经网络（CNN）[9]成为最热门的深度学习模型算法之一。它无需设计目标特征,能根据海量样本数据自行提取有效特征[10-11],且具有良好的泛化能力,在复杂情况下依然能够保持良好的稳健性[3,12]。余东行[13]等利用小尺度浅层神经网络实现了快速目标搜索,利用深层CNN在候选目标中进行了精确定位；任媛媛[14]等对Fast R-CNN网络进行了改进,通过共享卷积层参数来降低参数规模,并利用改进方法实现了农村建筑物的目标检测；徐启恒[15]等结合主成分分析、超像素分割与CNN对国产高分辨率遥感影像开展了云检测。……