结合超高分辨率卫星影像与地理空间数据用于巨型城市分析的多任务卷积神经网络
计算机视觉与模式识别
2017-02-28 v1
摘要
利用超高分辨率(VHR)卫星影像进行巨型城市分析在城市规划和社会调查领域引起了越来越多的关注。众所周知，准确的土地利用、城市密度和人口分布信息是巨型城市监测和环境研究的关键。因此，如何利用VHR卫星影像生成精细尺度的土地利用、城市密度和人口分布图已成为一个热点课题。以往的研究仅关注带有精细手工特征的单个任务，并忽略了不同任务之间的关系。在本研究中，我们旨在提出一个通用框架，该框架能够：1) 从原始图像数据中自动学习内部特征表示；2) 同时生成精细尺度的土地利用、城市密度和人口分布图。针对第一个目标，应用深度卷积神经网络(CNN)从原始图像数据中学习层次化特征表示。针对第二个目标，提出了一种基于CNN的通用框架来处理VHR卫星影像并生成土地利用、城市密度和人口分布图。据我们所知，这是首个能够处理如此大数据量VHR遥感影像的基于CNN的巨型城市分析方法。采用覆盖武汉市中心2606 km²区域的VHR卫星影像（1.2 m空间分辨率）来评估所提出的方法。实验结果证实，所提出的方法在土地利用、城市密度和人口分布图方面能够取得有前景的精度。
引用
@article{arxiv.1702.07985,
title = {A multi-task convolutional neural network for mega-city analysis using very high resolution satellite imagery and geospatial data},
author = {Fan Zhang and Bo Du and Liangpei Zhang},
journal= {arXiv preprint arXiv:1702.07985},
year = {2017}
}