遥感中基于深度学习的土地利用/土地被覆面积划分方法比较
计算机视觉与模式识别
2025-07-25 v1 机器学习
摘要
土地利用/土地被覆面积 (LULC) 映射是城市和资源规划的关键环节，是开发智慧和可持续城市的关键要素之一。本研究评估了先进的 LULC 映射技术，重点关注基于查找表格 (LUT) 的大气校正应用于 Cartosat 多光谱 (MX) 传感器图像，随后采用监督和半监督学习模型进行 LULC 预测。我们探索了 DeeplabV3+ 和 Cross-Pseudo Supervision (CPS)。进一步优化的 CPS 模型采用动态加权，增强了训练期间伪标签的可靠性。本综合方法分析了 LULC 映射技术在 various 城市规划应用中的准确性和实用性。Hyderabad, India 的案例研究说明了由于快速城市化，土地利用发生显著变化，如城市扩张、绿地缩减和工业区域扩张。通过分析 Cartosat MX 图像的时间序列数据，我们展示了这些技术对城市规划师和政策制定者的实际效用。
关键词
引用
@article{arxiv.2507.18099,
title = {Comparison of Segmentation Methods in Remote Sensing for Land Use Land Cover},
author = {Naman Srivastava and Joel D Joy and Yash Dixit and Swarup E and Rakshit Ramesh},
journal= {arXiv preprint arXiv:2507.18099},
year = {2025}
}