基于多特征信息的城市核心地物要素提取方法研究:以深圳市为例

为了解决由于空间分辨率低导致城市核心地物要素提取精度低的问题,笔者构建了适用于城市核心地物要素提取的卷积神经网络模型(convolutional neural network,CNNs),同时利用基于遥感影像提取的颜色、纹理和形状等多特征信息辅助城市地物要素提取。颜色、纹理和形状等多特征信息与CNNs模型提取的深层信息相结合,融合浅层与深层特征信息,充分挖掘影像数据中的高级语义信息,能够有效地提高结果精度。实验结果表明,CNNs模型减少了模型参数量与复杂度,模型收敛速度快,具有较高的提取精度、泛化能力和鲁棒性,总体精度为97.49%,Kappa系数为0.9575。该研究可以为城市发展与规划提供技术支持。