深度学习支持下的宅基地复垦项目真实性智能审查技术研究与应用

doi:10.13474/j.cnki.11-2246.2023.0028

测绘通报 ›› 2023, Vol. 0 ›› Issue (1): 163-167.doi: 10.13474/j.cnki.11-2246.2023.0028

深度学习支持下的宅基地复垦项目真实性智能审查技术研究与应用

向煜^1,2,3, 黄志^1,2,3, 华媛媛^1,2,3, 邓剑峰^4,5

1. 重庆数字城市科技有限公司, 重庆 401121;
2. 城市全息空间数据应用重庆市工程研究中心, 重庆 401121;
3. 重庆市移动测量工程技术研究中心, 重庆 401121;
4. 重庆市勘测院, 重庆 401121;
5. 自然资源部国土空间规划监测评估预警重点实验室, 重庆 401121

收稿日期:2022-05-30 修回日期:2022-11-22 发布日期:2023-02-08
作者简介:向煜(1974-),男,高级工程师,主要研究方向为智慧城市建设与3S技术、人工智能。E-mail:xiangy@dcqtech.com
基金资助:
重庆市技术创新与应用发展专项(cstc2019jscx-dxwtBX0012)

Research and application of intelligent verification technology for authenticity of homestead reclamation project based on deep learning

XIANG Yu^1,2,3, HUANG Zhi^1,2,3, HUA Yuanyuan^1,2,3, DENG Jianfeng^4,5

1. Chongqing Cybercity Sci-tech Co., Ltd., Chongqing 401121, China;
2. Chongqing City Holographic Spatial Data Application Engineering Research Center, Chongqing 401121, China;
3. Chongqing Mobile Mapping Engineering Technology Research Center, Chongqing 401121, China;
4. Chongqing Survey Institute, Chongqing 401121, China;
5. Key Laboratory of Monitoring, Evaluation and Early Warning of Territorial Spatial Planning Implementation, Ministry of Natural Resources, Chongqing 401121, China

Received:2022-05-30 Revised:2022-11-22 Published:2023-02-08

摘要/Abstract

摘要： 全域综合整治背景下的宅基地复垦项目审查是保证复垦项目合法性合规性的有效手段,针对当前宅基地复垦项目审查效率低的问题,本文提出了基于遥感影像的农村宅基地复垦项目立项真实性审查方法。首先以重庆市农村宅基地复垦项目为例,建立宅基地复垦项目立项真实性审查模型,利用改进的U-Net模型准确提取建筑物,然后与复垦红线叠加实现复垦项目真实性的智能审查。试验结果表明,该方法能够快速准确地审查复垦项目真实性,对优化土地结构、促进土地流转、实现乡村振兴具有重要意义,可为全域综合整治背景下宅基地复垦项目真实性审查提供技术参考。

关键词: 全域综合整治, 宅基地复垦, 卷积神经网络, 语义分割, 建筑物提取

Abstract: The review of homestead reclamation project under the background of region-wide comprehensive renovation is an effective means to ensure the legality and compliance of the reclamation project. Aiming at the low review efficiency of the current homestead reclamation project, a authenticity review method of rural homestead reclamation project was proposed based on remote sensing images. Taking the rural housing land reclamation project in Chongqing as an example, the paper establishes the authenticity review model of housing land reclamation project, and uses the improved U-Net to accurately extract buildings, and then superimpose with the reclamation red line to realize the intelligent authenticity review of the housing land reclamation project. The experimental results show that this method can quickly and accurately examine the authenticity of residential land reclamation projects, which is of great significance to optimize land structure, promote land circulation and promote rural revitalization. It can provide technical reference for the authenticity examination of residential land reclamation projects under the background of regional comprehensive renovation.

Key words: comprehensive regulation in all areas, homestead reclamation, convolutional neural network, semantic segmentation, building extraction

中图分类号:

P208

向煜, 黄志, 华媛媛, 邓剑峰. 深度学习支持下的宅基地复垦项目真实性智能审查技术研究与应用[J]. 测绘通报, 2023, 0(1): 163-167.

XIANG Yu, HUANG Zhi, HUA Yuanyuan, DENG Jianfeng. Research and application of intelligent verification technology for authenticity of homestead reclamation project based on deep learning[J]. Bulletin of Surveying and Mapping, 2023, 0(1): 163-167.

参考文献

[1] 刘恬,胡伟艳,杜晓华,等. 基于村庄类型的全域土地综合整治研究[J]. 中国土地科学,2021,35(5):100-108.
[2] 沈志刚. 土地整治技术及其发展前景[J]. 智慧中国,2022(3):87-88.
[3] 王培俊,孙煌,范胜龙,等. 我国村庄复垦研究现状及展望[J]. 中国农业大学学报,2020,25(11):209-220.
[4] 姚丝思. 浅析我国乡村振兴中宅基地复垦问题[J]. 南方农机,2021,52(15):60-61.
[5] 张继贤,顾海燕,杨懿,等. 高分辨率遥感影像智能解译研究进展与趋势[J]. 遥感学报,2021,25(11):2198-2210.
[6] 张越,程春泉,杨书成,等. 融合双注意力机制模型的遥感影像建筑物提取[J]. 测绘科学,2022,47(4):129-136.
[7] 于坤,王贺封,焦月正,等. 基于语义分割的遥感影像建筑物提取[J]. 测绘与空间地理信息,2021,44(10):50-54.
[8] 于文玲,刘波,刘华,等. 基于Attention Gates和R2U-Net的遥感影像建筑物提取方法[J]. 地理与地理信息科学,2022,38(3):31-36,42.
[9] 何直蒙,丁海勇,安炳琪. 高分辨率遥感影像建筑物提取的空洞卷积E-U-Net算法[J]. 测绘学报,2022,51(3):457-467.
[10] 王振庆,周艺,王世新,等. IEU-Net高分辨率遥感影像房屋建筑物提取[J]. 遥感学报,2021,25(11):2245-2254.
[11] 王圣杰,刘长星,杜嵩. 基于注意力机制与DUsamplingU-Net网络的建筑物提取[J]. 遥感信息,2021,36(4):109-118.
[12] 张永洪,席梦丹. 带洞型U-Net++网络在遥感影像中建筑物的提取方法[J]. 测绘地理信息,2021,46(S1):82-86.
[13] 吕道双,林娜,冯丽蓉,等. 基于改进型U-Net网络的高分辨率遥感影像建筑物提取[J]. 地理空间信息,2021,19(1):30-34,4.
[14] 袁伟,周甜,奚宗顺,等. MU-Net:一种多尺度自适应的遥感语义分割深度学习网络[J]. 测绘科学技术学报,2020,37(6):581-588.
[15] 孙尚彪,张海明,熊灵华,等. 基于U-net模型的遥感影像建筑物提取[J]. 世界地质,2022,41(2):342-348.
[16] ABDOLLAHI A,PRADHAN B. Integrating semantic edges and segmentation information for building extraction from aerial images using U-Net[J]. Machine Learning With Applications,2021,6:100194.
[17] 张瑞倩,邵振峰,ALEKSEI P,等. 多尺度空洞卷积的无人机影像目标检测方法[J]. 武汉大学学报(信息科学版),2020,45(6):895-903.
[18] 唐璎,刘正军,杨懿,等. 基于特征增强和ELU的神经网络建筑物提取研究[J]. 地球信息科学学报,2021,23(4):692-709.

深度学习支持下的宅基地复垦项目真实性智能审查技术研究与应用

Research and application of intelligent verification technology for authenticity of homestead reclamation project based on deep learning

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	黄宇鸿, 周维勋. 高分辨率遥感影像场景变化检测的相似度方法[J]. 测绘通报, 2022, 0(8): 48-53.
[2]	柳林, 孙毅, 李万武. 基于CNN海上钻井平台检测模型的构建及训练算法分析[J]. 测绘通报, 2022, 0(7): 26-32,99.
[3]	蔡柔丹. 一种基于用户异步轨迹的身份识别智能方法[J]. 测绘通报, 2022, 0(7): 158-162,167.
[4]	滕文鑫, 张建辰, 邵杰. 集成时空邻近与卷积网络车道级高精度定位算法[J]. 测绘通报, 2022, 0(6): 1-5,61.
[5]	文奴, 郭仁忠, 贺彪, 万远. YOLO v4框架下Multi-Patch多帧增量式交通视频目标检测[J]. 测绘通报, 2022, 0(5): 38-44.
[6]	刘小玉, 刘扬, 杜明义, 张敏, 贾竞珏, 杨恒. 基于DeeplabV3+的建筑垃圾堆放点识别[J]. 测绘通报, 2022, 0(4): 16-19,43.
[7]	王雪, 梁珂, 隋立春, 钟棉卿, 朱剑锋. 膨胀卷积与金字塔表达的深度学习模型用于农村建筑物提取[J]. 测绘通报, 2022, 0(4): 61-65.
[8]	李少先. 利用双向布料模拟的机载建筑物点云提取[J]. 测绘通报, 2022, 0(3): 148-151.
[9]	王胜利, 朱寿红, 蒋毅. 基于CNN模型迁移的OLI影像光伏电池板场景识别[J]. 测绘通报, 2022, 0(2): 5-9.
[10]	王珍, 张涛, 丁乐乐, 潘宇明, 史芙蓉. 融合高度和光谱信息的倾斜摄影数据建筑物自动提取[J]. 测绘通报, 2022, 0(2): 10-15.
[11]	王玮琦, 游雄, 苏明占, 张蓝天, 周雪莹, 赵耀. SANet:空间注意力机制下的LiDAR点云实时语义分割方法[J]. 测绘通报, 2022, 0(11): 32-38.
[12]	王铮, 符校, 杜凯旋, 刘纪平, 车向红. 深度学习支持下的地图图片典型地理目标检测[J]. 测绘通报, 2022, 0(11): 74-78.
[13]	闵星, 黄品文, 谭金祥. 基于卷积神经网络的地铁保护区风险源识别[J]. 测绘通报, 2022, 0(10): 162-165,170.
[14]	耿万轩, 周维勋, 金双根. 基于LDCNN特征提取的多核SVM高分辨率遥感影像场景分类[J]. 测绘通报, 2021, 0(8): 14-21.
[15]	赵恒谦, 杨屹峰, 刘泽龙, 宋瑞. 农作物叶片病害迁移学习分步识别方法[J]. 测绘通报, 2021, 0(7): 34-38.