| 深度学习的遥感变化检测综述：文献计量与分析 |
| |
| 引用本文： | 杨彬,毛银,陈晋,刘建强,陈杰,闫凯.2023.深度学习的遥感变化检测综述：文献计量与分析.遥感学报,27（9）： 1988-2005DOI：10.11834/jrs.20222156 |
| |
| 作者姓名： | 杨彬 毛银 陈晋 刘建强 陈杰 闫凯 |
| |
| 作者单位： | 1.湖南大学 电气与信息工程学院, 长沙 410082;2.北京师范大学 地理科学学部, 北京 100875;3.国家卫星海洋应用中心, 北京 100081;4.中南大学 地球科学与信息物理学院, 长沙 410083;5.中国地质大学(北京) 土地科学技术学院, 北京 100084 |
| |
| 基金项目： | 国家自然科学基金(41801227);湖南省自然科学基金(2019JJ50047) |
| |
| 摘 要： | 遥感变化检测可以获取地表变化信息,对于理解人与自然相互作用,推动可持续发展具有重要意义。随着遥感成像技术的提升和计算机科学的快速发展,高光谱、高时间、高空间分辨率的遥感影像已广泛应用,促进了深度学习的遥感变化检测发展以及多领域成功应用。与传统遥感变化检测不同,基于深度学习的变化检测提取遥感影像的深度差异特征,无需构建特征工程,检测精度和效率均有所提高。本文结合文献计量学全面分析本领域研究现状和热点,发现基于深度学习的变化检测在国内机构学者的主导下快速发展并取得了大量研究成果。这些成果大都基于高分辨率图像和CNN网络,并成功应用于土地利用/覆盖和建筑变化检测等。在此基础上,从像素、对象和场景3个粒度对基于深度学习的遥感变化检测方法分类介绍,阐述开展像素、对象和场景的特征提取以及后续网络分析过程,其中基于对象和场景的方法具有优势。最后,归纳总结目前面临的挑战及未来可能发展方向。由于遥感平台的发展和应用需求的增加,多模态异质变化检测是未来发展趋势。另外,深度学习的方法还需要克服非理想样本问题,关注多元变化信息获取,以及推进变化检测的广泛应用等。
|
| 关 键 词： | 遥感 变化检测 深度学习 文献计量 方法分类 挑战及发展 综述 |
| 收稿时间： | 2022-04-07 |
|
| 点击此处可从《遥感学报》浏览原始摘要信息 |
|
点击此处可从《遥感学报》下载免费的PDF全文 |
|
