基于深度学习的城市区域变化检测技术研究
Discussion on Urban Area Change Detection Based on Deep Learning
DOI: 10.12677/jisp.2025.144046, PDF,    科研立项经费支持
作者: 廖永皓*：江西省自然资源政策调查评估中心，江西 南昌；廖明伟#：江西省国土空间调查规划研究院，江西 南昌；自然资源部大湖流域国土空间生态保护修护工程技术创新中心，江西 南昌；梅承华：南昌市测绘勘察研究院有限公司，江西 南昌
关键词: 深度学习；城市区域；变化检测；分类；Deep Learning； Urban Areas； Change Detection； Classification
摘要: 城市日新月异的发展，如何保障地理信息公共服务地图数据的鲜活性和现势性成为了刻不容缓的瓶颈问题。因此探索利用深度学习的方式自动发现变化区域、变化地物，也即进行不同时相影像的变化检测，提升矢量数据更新效率、更新效果非常必要而且效果良好。
Abstract: The rapid urbanization necessitates urgent solutions for ensure the timeliness and accuracy of public geographic information service map data. This study explores the application of deep learning methodologies for automated change detection in multi-temporal remote sensing images. The proposed approach effectively identifies modified regions and evolving geographic features, thereby enhancing both the efficiency and accuracy of vector data updates.
文章引用：廖永皓, 廖明伟, 梅承华. 基于深度学习的城市区域变化检测技术研究[J]. 图像与信号处理, 2025, 14(4): 505-513. https://doi.org/10.12677/jisp.2025.144046

参考文献

[1] 万冉冉, 陈娟, 廖明伟, 刘异, 庞超. 基于Siamese卷积神经网络的影像瓦片变化检测技术[J]. 测绘通报, 2020(4): 96-100.
[2] 孟琮棠, 赵银娣, 向阳. 基于卷积神经网络的遥感图像变化检测[J]. 现代测绘, 2019, 42(5): 1-5.
[3] 张雯, 曾豆豆. 基于深度学习的城市地理国情地表覆盖分类研究[J]. 测绘与空间地理信息, 2021, 44(1): 112-115.
[4] 杨晓丽. 多时相遥感影像的变化检测[D]: [硕士学位论文]. 西安: 西安电子科技大学, 2011.
[5] 吕浩博. 基于深度学习的长时间序列城市制图与变化检测研究[D]: [博士学位论文]. 北京: 清华大学, 2018.