深度学习与GIS融合用于高级遥感图像分析
计算机视觉与模式识别
2024-12-31 v1 人工智能
信号处理
摘要
本文提出了一种创新的框架，用于遥感图像分析，通过融合深度学习技术，具体包括卷积神经网络(CNN)和长短期记忆网络(LSTM)，与地理信息系统(GIS)。主要目标是通过克服高维度、复杂模式和时序数据处理的挑战，提高空间数据分析的准确性和效率。我们实现了优化算法，如粒子群优化(PSO)和遗传算法(GA)，用于微调模型参数， resulting in improved performance metrics。我们的发现显示，分类准确率从78%提升至92%，预测误差从12%降至6%，时序准确率从75%提升至88%，展示了该框架有效监控动态变化的能力。GIS的集成不仅丰富了空间分析，也促进了对地理特征之间关系的深入理解。这项研究表明，结合先进的深度学习方法与GIS和优化策略可以显著推动遥感应用的发展，为环境监测、城市规划和资源管理的未来发展铺平了道路。
引用
@article{arxiv.2412.19856,
title = {Fusion of Deep Learning and GIS for Advanced Remote Sensing Image Analysis},
author = {Sajjad Afroosheh and Mohammadreza Askari},
journal= {arXiv preprint arXiv:2412.19856},
year = {2024}
}