基于U型神经网络两违疑似图斑识别模型研究

目前,违章建筑和违章占地现象时有发生,两违执法工作已是城市管理部门的常态。基于U型神经网络(U-Net)建立了两违疑似图斑识别模型,在GIS技术支持下,可对大面积正射影像进行自动搜索,标定两违疑似图斑的位置和范围,从而减轻人工作业劳动强度,提高了两违监测的自动化水平和工作效率。

基于多源高分辨率遥感影像的福清市“两违”监测

为了进一步提升福清市整体的市容市貌,改善居民生活环境,针对城市违法用地和违章建筑现象,提出了一种基于多源高分辨率数字正射影像的福清市“两违”遥感监测方法。首先运用多源遥感手段,综合卫星遥感、大飞机航摄与无人机航拍的方式,获取数字正射影像(DOM)、数字高程模型(DEM)等工作底图;其次制定了基于多源高分辨率数字正射影像的“两违”疑似图斑判断标准,结合人工智能初步检测技术和人机交互解译模式,提取“两违”疑似图斑,建立“两违”遥感监测疑似图斑数据库;最后基于多源成果数据,构建福清市“两违”遥感监测平台以及“一张图”系统。该研究成果可以掌握福清市“两违”信息的总体情况,为“两违”整治业务的决策与工作提供坚实可靠的数据依据,为政府执法部门提供科学有效的决策支持。