2019年遥感业务化应用中的关键技术与实践.pdf

1、遥感业务化应用中的关键技术与实践杜会建 易智瑞（中国）信息技术有限公司ENVI深度学习模块 案例ENVI在遥感业务化中的应用 ENVI二次开发技术（ENVITask/虚拟栅格）自定义ENVITask/ENVI App Store/ENVI Modeler IDL自动化制图技术主要内容ENVI深度学习模块ENVI Deep Learning 介绍Harris（ENVI原厂商）拥有多年深度学习解决方案的实施经验。基于 TensorFlow 框架开发的遥感图像分类和目标识别工具。算法成熟，界面友好，操作便捷。引导式深入学习工作流程跨行业的专家解决方案2019年4月18日V1.0 正式发布ENVI D

2、eep Learning 框架ENVI深度学习使用的架构（称为ENVINet5）是基于Ronneberger、Fischer和Brox（2015）开发的 U-Net 架构。与U-Net一样，ENVINet5是一种基于掩码（mask-based）、编码器-解码器（encoder-decoder）的体系结构，用于对图像中的每个像素进行分类。右图为单个切片处理流程：该架构有5个“级别”（levels）和27个卷积层（layers）。每个级别表示模型中不同的像素分辨率。本示例使用的切片大小为572*572*3。ENVI 提供多种创建样本的方法和途径使用图像和ROI工具创建样本数据从Open Stree

3、t Maps,ArcGIS Pro等导入标签使用ENVI光谱分析结果作为样本数据使用ENVI工具来标注特征要素建筑物训练数据提取整幅图像的建筑物结果ENVI Deep Learning 案例建筑物厂房城中村空地绿地蔬菜大棚风力发电风车光伏发电板水体硬质地表汽车道路ENVI深度学习 卫片建筑物提取数据源：3 景 SuperView-1 影像，4波段 全色分辨率 0.5 米，多光谱分辨率 2.0 米预处理：正射校正 图像融合 图像镶嵌 中国国产卫星支持工具 批量正射校正工具 批量图像融合工具（GS算法）Raster Mosaic Fast 快速拼接工具数据量：镶嵌结果 24.2 GB 有效覆盖面积

4、 520 平方公里 42961 75743 4融合效果卫片建筑物提取 样本选择子区裁剪 样本选择42961 757435324 5781黄色为下载矢量：259条绿色为手绘矢量：557条File Open World Data Download OpenStreetMap Vectors卫片建筑物提取 结果展示样本验证精度：74%F1=0.71ENVI深度学习 卫片建筑物提取效率对比笔记本ThinkPad P52DELL 7520ThinkPad T440p硬件配置CPUi7-8850Hi7-7700HQi7-4710MQ内存64GB64GB16GB硬盘SSDSSDSSD显卡NVIDIA Qua

5、dro P3200 with Max-Q Design，6GBCompute Capability 6.1NVIDIA Quadro M2200，4GBCompute Capability 5.2渣，不重要纯CPU运算效率对比训练1小时35分钟3小时17小时提取56分钟1小时50分钟16小时进度只到2/3，放弃卫片道路提取样本选择/模型训练42961 7574311916 10167卫片道路提取结果卫片道路提取结果ENVI深度学习 蔬菜大棚提取数据源：高分一号融合结果，空间分辨率为2米波段数：3个，红绿蓝数据量：3GB覆盖范围：山东省寿光市 约2200平方公里32843 324471193 1

6、119绘制786个蔬菜大棚提取模型训练参数 Solid Distance：5 Blur Distance：1，3蔬菜大棚提取结果用户精度（user accuracy）：86%F1=0.81ENVI深度学习 蔬菜大棚提取效率对比笔记本ThinkPad P52DELL 7520ThinkPad T440p硬件配置CPUi7-8850Hi7-7700HQi7-4710MQ内存64GB64GB16GB硬盘SSDSSDSSD显卡NVIDIA Quadro P3200 with Max-Q Design，6GBCompute Capability 6.1NVIDIA