基于深度学习的遥感影像地类信息获取技术现状研究

基于图像特征的地类识别技术精度低且复杂度高，难以满足土地利用动态监测的实时性要求。而基于深度学习的遥感影像地类识别技术数据处理及特征提取能力较强，能够有效提升识别精度，使地类信息获取更加智能化，因而被广泛应用于遥感影像地类处理。根据地类识别技术不同，可以分为遥感影像分割、遥感影像分类以及目标监测三种方式。每类识别技术根据训练数据是否有标注可以分为有监督学习、半监督学习以及无监督学习三种类型。通过对相关技术和文献的调研和分析，介绍各种深度学习模型的理论基础与基本结构，总结国内外基于深度学习的遥感影像地类识别方法的优缺点，并指出未来的发展方向。