农用地变化监测应用场景设计与实现

为深入研究上海市农用地的历史变化过程,加强土地利用变化监测、基本农田保护以及违法用地查处等方面的应用,本文从农用地业务数据和航空影像两个方面对农用地的变化情况进行监测,设计并实现了农用地变化监测应用场景。针对上海市已有的农用地变更业务系统,本文实时接入了农用地的变化数据,通过地理信息系统（GIS）技术对比分析农用地变化情况,并对多种变化类型进行数据分析与统计;同时,本文还研究了一种基于深度学习的遥感影像变化监测方法,实现对农用地数据变化情况的自动识别,提升人工解译和农用地数据更新的工作效率,为上海市农用地变化信息获取和动态更新提供坚实基础和有力支撑。     

基于同质区和迁移学习的高光谱图像半监督分类

针对高光谱遥感图像分类中标记样本难获取的问题,提出了一种基于同质区和迁移学习的新型半监督分类方法。首先对高光谱图像进行分割得到高纯度的同质分割斑块,获取大量扩展训练样本。并在此基础上引入迁移学习,将扩展训练样本作为源域,剩余未标记样本作为目标域,实现多次迁移,从而减少同一幅图像上各地物的分布差异,并保留其各自的内部属性。实验结果表明,该方法是一种有效的高光谱图像半监督分类方法。