基于人工智能的遥感影像地理国情变化检测方法

地理国情普查是一项重大的国情国力调查，是全面获取地理国情信息、掌握地表自然、生态以及人类活动基本情况的重要手段和基础性工作。随着第一次地理国情普查的完成，地理国情监测与更新已进入常态化。

地理国情监测，是综合利用现代测绘地理信息技术，对自然、人文等地理要素进行 动态和定量化监测 ，并 统计分析其变化量、变化趋势与分布特征 等，形成反映各类资源、环境、经济要素的空间分布及其发展变化规律的监测数据与研究报告等，从地理空间的角度综合展示国情国力。

地理国情普查项目工作量大、工期紧、任务重。目前，在地理国情普查与监测生产实践过程中，仍然依靠人工目视判读进行卫星、航空影像解译，利用全人工手段进行数据更新，上下工序衔接多， 耗时耗力 且 效率低下 。

鉴于此，武汉大学CVEO小组开发了 样本数据库构建技术 、 基于深度学习的语义分割方法 、 图斑分类与变化检测算法 ，并集成形成遥感影像变化检测系统。

本系统预测效率、预测准确度以及解译成本，都远优于人工解译方法，能够极大程度地提升地理国情监测业务的自动化与智能化水平。

该变化检测框架的原理是：

（1）试验区域2017年与2018年的两时相影像与图斑矢量数据

图3 试验区域2017年影像

图4 试验区域2018年影像

图5 试验区域图斑矢量数据

（2）以文本或属性字段的形式输出检测结果

图6 以文本形式输出两图斑对象的变化判定指数与检测结果

图7 在矢量图层中新建“ChangeOrNot”与“CDI”属性字段并添加检测结果

（3）试验数据中部分图斑的检测结果

图8 图斑1变化概率: 0.6738

图9 图斑2变化概率: 0.8914

图10 图斑3变化概率: 0.4023

（4）试验区域整体变化检测结果

图11 整体结果