基于DCNN特征的建筑物震害損毀區(qū)域檢測

摘要：為了提高基于高空間分辨率遙感影像的建筑物震害損毀評估精度,引入深度卷積神經(jīng)網(wǎng)絡(luò)(deep convolutional neural network,DCNN)模型,提出一種利用DCNN全連接層特征結(jié)合支持向量機(support vector machine,SVM)進行遙感影像建筑物震害損毀區(qū)域檢測的方法。首先,利用神經(jīng)網(wǎng)絡(luò)前饋方式從DCNN全連接層提取訓練樣本和待檢測區(qū)域的特征;然后,基于樣本訓練SVM分類器;最后,對待檢測區(qū)域的所有區(qū)塊進行分類預(yù)測和投票確定是否損毀。以2010年海地地震遙感影像為例,建筑物損毀檢測正確率可以達到89%,相比于傳統(tǒng)的特征提取方法正確率提高了4%。實驗結(jié)果表明該方法在建筑物震害損毀檢測方面具有一定的應(yīng)用潛力。