文献

J-GLOBAL ID：202102247804821284   整理番号：21A1194809

CNNベース分類を用いた超高分解能リモートセンシング画像からの大規模都市土地被覆変化の検出【JST・京大機械翻訳】

Detecting Large-Scale Urban Land Cover Changes from Very High Resolution Remote Sensing Images Using CNN-Based Classification

著者 (4件)： Zhang Chi (School of Remote Sensing and Information Engineering, Wuhan University, 129 Luoyu Road, Wuhan 430079, China) ,  Wei Shiqing (School of Remote Sensing and Information Engineering, Wuhan University, 129 Luoyu Road, Wuhan 430079, China) ,  Ji Shunping (School of Remote Sensing and Information Engineering, Wuhan University, 129 Luoyu Road, Wuhan 430079, China) ,  Lu Meng (Department of Physical Geography, Faculty of Geoscience, Utrecht University, Princetonlaan 8, 3584 CB Utrecht, The Netherlands)
資料名： ISPRS International Journal of Geo-Information (Web)  (ISPRS International Journal of Geo-Information (Web))
巻： 8  号： 4  ページ： 189  発行年： 2019年 
JST資料番号： U7212A  ISSN： 2220-9964  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本研究は,深層学習ベースの方法を用いて,非常に高分解能(VHR)リモートセンシング画像からの都市域の土地利用/被覆分類と変化検出を研究した。最初に,著者らは土地被覆分類を学ぶために,完全Atrous畳込みニューラルネットワーク(FACNN)を導入した。FACNNでは,VHR画像からスケールロバスト特徴を抽出するため,完全Atrous畳込み層から成る符号器を提案した。次に,画素ベースの変化マップを,現在の画像の分類マップと,外部土地被覆地理情報システム(GIS)マップに基づいて作成した。多角形ベースおよびオブジェクトベース変化検出精度の両方を調べ,そこでは,多角形がGISマップのユニットであり,オブジェクトは画素ベース変化マップ上の隣接変化ピクセルから成る。テストデータは,2014年に得られた0.5mの地上分解能空中画像と,2017年の1mの地上分解能の北京-2衛星画像と,それらの土地被覆GIS地図から成る,中国,武漢(8000km2)の急速に発展する都市をカバーした。試験結果は,著者らのFACNNが土地被覆分類においていくつかの最近の畳み込みニューラルネットワークを大いに超えることを示した。第二に,オブジェクトベースの変化検出は,ピクセルベースの方法よりはるかに良い結果を達成して,手動の都市土地被覆更新を容易にするために正確な変化マップを提供した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  土地利用 ,  *被覆 ,  *大都市 ,  *都市 ,  画素 ,  都市域 ,  衛星利用画像 ,  *高分解能 ,  *土地被覆 ,  地理情報システム
準シソーラス用語： *リモートセンシング画像 ,  空中画像 ,  土地被覆分類 ,  *超高解像度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 分類 ,  変化検出 ,  畳込みニューラルネットワーク ,  Atrousコンボリューション ,  高分解能リモートセンシング画像

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  土地利用一般,地域制  (RD02010Z)

引用文献 (30件)：

• Walter, V. Object-based classification of remote sensing data for change detection. ISPRS J. Photogramm. Remote Sens. 2004, 58, 225-238.
• Desclée, B.; Bogaert, P.; Defourny, P. Forest change detection by statistical object-based method. Remote Sens. Environ. 2006, 102, 1-11.
• Stow, D. Geographic object-based image change analysis. In Handbook of Applied Spatial Analysis; Springer: Berlin, Germany, 2010; pp. 565-582.
• Gamanya, R.; De Maeyer, P.; De Dapper, M. Object-oriented change detection for the city of Harare, Zimbabwe. Expert Syst. Appl. 2009, 36, 571-588.
• Nemmour, H.; Chibani, Y. Multiple support vector machines for land cover change detection: An application for mapping urban extensions. ISPRS J. Photogramm. Remote Sens. 2006, 61, 125-133.

タイトルに関連する用語 (6件)： CNN ,  分類 ,  高分解能 ,  リモートセンシング画像 ,  大規模都市 ,  土地被覆変化