深度学习智能解译支持下的DEM生成方法

摘要

当前深度学习技术极大提升了遥感数据的自动化处理能力,针对DSM到DEM生产过程中降高区域提取环节,采用深度学习语义分割的U-Net模型实现了降高区域的自动提取,构建了面向DEM生产的样本分类系统,形成了规范化样本标注技术方法和优化后的DEM制作技术流程,并在DEM生产实践中检验了该方法的实用性。结果表明,在地表景观层次分明、地物可辨性高的场景下,能得到较好的降高区域提取结果,分类精度可达0.952。相较于传统人工勾绘或逐图幅监督分类的降高区域提取方法,深度学习智能解译辅助下的DEM生产效率可整体提高20%~30%,且能确保区域尺度DEM产品的协调一致性,具有重要的实用价值。