基于深度学习的高分遥感影像乡镇建筑物识别方法

目的随着遥感卫星技术的进步,卫星图像的空间分辨率、时间分辨率及光谱分辨率越来越高,所包含的信息越来越丰富。乡镇建筑物的识别可以利用高分辨率遥感影像进行提取,可以有效地分析农村的人口密度和用地分配,从而为农村发展规划提供重要参考。方法根据乡镇建筑物的特点将建筑物分成对应的几类进行标注,然后将样本送入已经搭建好的基于Tensor Flow平台的FasterRCNN模型进行训练,利用CNN提取特征,通过构建区域推荐网络(RPN)提取可能的建筑物区域,利用检测网络对目标区域进行判别和分类。结果最终模型的识别准确率达到93.06%,具有较好的鲁棒性和泛化性。结论本文提出的乡镇建筑物提取框架,建立了乡镇区域的建筑物样本库,有效地避免了图像分类的局限性,同时提高了乡镇建筑物识别的精度。

汶川地震绵竹震害调查及对乡镇建筑抗震建设的思考

2008年5月12日14时28分发生在四川汶川的里氏8.0级地震,是新中国建国以来最为强烈的一次地震,地震造成了四川、重庆、甘肃、陕西等省650多万间房屋倒塌,2 300多万间房屋损坏,北川县城、汶川县映秀镇等部分城镇夷为平地.在绵竹市建(构)筑物震害调查基础上,对绵竹地区5.12汶川地震乡镇一级建(构)筑物的典型震害进行了重点剖析,分析了绵竹地区建(构)筑物的地震灾害的主要影响因素,在此基础上对我国乡镇一级城镇建筑物的灾后重建和建筑物抗震建设提出了几点建议.