摘要
城市功能区的划分与识别对分析城市功能区的分布现状和了解城市内部空间结构具有重要意义.这激发了多源地理空间数据融合的需求,特别是城市遥感数据与社会感知数据的融合.然而,如何有效实现城市遥感数据与社会感知数据的融合是一个技术难题.为了实现城市遥感数据与社会感知数据的融合,提高城市功能识别精度,以遥感图像和社会感知数据为例,引入多模态数据融合机制,提出了一种联合深度学习与集成学习的模型来推断城市区域功能.该模型分别利用DenseNet和DPN网络,从多源地理空间数据中提取城市遥感图像特征和社会感知特征,并进行特征级融合、决策级融合以及混合融合的多层级数据融合,对城市功能进行识别.所提模型在URFC数据集上得到了验证,其混合融合总体分类准确度、Kappa系数和平均F1值3个评价指标值分别为74.29％,0.67,71.92％.相比单模态数据的最佳分类方法,所提融合模型的3个评价指标值分别提高了18.83％,0.24,35.46％.实验结果表明,该数据融合模型具有更好的分类性能,能有效融合遥感图像数据和社会感知数据,实现城市区域功能的精准识别.
NETL
NSTL
维普
万方数据