本文選題：卷積神經(jīng)網(wǎng)絡(luò)　切入點(diǎn)：AlexNet　出處：《中國(guó)圖象圖形學(xué)報(bào)》2017年08期 　論文類型：期刊論文

【摘要】：目的地表覆蓋監(jiān)測(cè)是生態(tài)環(huán)境變化研究、土地資源管理和可持續(xù)發(fā)展的重要基礎(chǔ),在全球資源監(jiān)測(cè)、全球變化檢測(cè)中發(fā)揮著重要作用。提高中等分辨率遙感影像地表覆蓋分類的精度具有非常重要的意義。方法近年來(lái),深度卷積神經(jīng)網(wǎng)絡(luò)在圖像分類、目標(biāo)檢測(cè)和圖像語(yǔ)義分割等領(lǐng)域取得了一系列突破性的進(jìn)展,相比于傳統(tǒng)的機(jī)器學(xué)習(xí)方法具有更強(qiáng)的特征學(xué)習(xí)和特征表達(dá)能力�；谄鋬�(yōu)越的特性,本文進(jìn)行了深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)中分辨率遙感影像進(jìn)行特征提取和分類的探索性研究。以GF-1的16 m空間分辨率多光譜影像為實(shí)驗(yàn)數(shù)據(jù),利用預(yù)訓(xùn)練好的Alex Net深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行特征提取,以SVM為分類器進(jìn)行分類。分析了Alex Net不同層的特征以及用于提取特征的鄰域窗口尺寸對(duì)分類結(jié)果的影響,并與傳統(tǒng)的單純基于光譜特征和基于光譜+紋理特征的分類結(jié)果進(jìn)行對(duì)比分析。結(jié)果結(jié)果表明在用Alex Net模型提取特征進(jìn)行地表覆蓋分類時(shí),Fc6全連接層是最有效的特征提取層,最佳的特征提取窗口尺寸為9×9像素,同時(shí)利用深度特征得到的總體分類精度要高于其他兩種方法。結(jié)論深度卷積神經(jīng)網(wǎng)絡(luò)可以提取更精細(xì)更準(zhǔn)確的地表覆蓋特征,得到更高的地表覆蓋分類精度,為地表覆蓋分類提供了參考價(jià)值。
[Abstract]:Destination table coverage monitoring is an important basis for eco-environmental change research, land resource management and sustainable development, in the context of global resource monitoring, Global change detection plays an important role. It is of great significance to improve the accuracy of ground cover classification of middle resolution remote sensing images. Methods in recent years, deep convolution neural networks are used in image classification. A series of breakthrough advances have been made in the fields of target detection and image semantic segmentation. Compared with the traditional machine learning method, it has stronger feature learning and feature expression ability. In this paper, the feature extraction and classification of middle resolution remote sensing images based on deep convolution neural network are studied. The 16 m spatial resolution multispectral images of GF-1 are used as experimental data. Using the pre-trained Alex Net deep convolution neural network model for feature extraction and SVM as the classifier, the features of different layers of Alex Net and the influence of the size of the neighborhood window used to extract the features on the classification results are analyzed. The results are compared with the traditional classification results based on spectral features and spectral texture features. The results show that Fc6 fully connected layer is the most effective feature extraction layer when using Alex Net model to extract features for surface cover classification. The optimal feature extraction window size is 9 脳 9 pixels, and the overall classification accuracy obtained by using depth features is higher than the other two methods. Conclusion Deep convolution neural network can extract more precise and accurate surface cover features. Higher accuracy of surface cover classification is obtained, which provides reference value for surface cover classification.
【作者單位】： 中國(guó)科學(xué)院遙感與數(shù)字地球研究所;中國(guó)科學(xué)院大學(xué);
【基金】：高分辨率對(duì)地觀測(cè)系統(tǒng)重大專項(xiàng)(03-Y20A04-9001-15/16,11-Y20A05-9001-15/16)~~
【分類號(hào)】：TP183;TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳翠華;王菲;;一種被動(dòng)聲納目標(biāo)識(shí)別特征提取方法的研究[J];荊門職業(yè)技術(shù)學(xué)院學(xué)報(bào);2007年09期

2 王奇;王英民;諸國(guó)磊;;基于特征提取的匹配場(chǎng)處理[J];火力與指揮控制;2014年05期

3 安如,馮學(xué)智,王慧麟;基于數(shù)學(xué)形態(tài)學(xué)的道路遙感影像特征提取及網(wǎng)絡(luò)分析[J];中國(guó)圖象圖形學(xué)報(bào);2003年07期

4 柯映林,李岸,王軍文;過(guò)渡特征提取中的概率統(tǒng)計(jì)理論和方法[J];機(jī)械工程學(xué)報(bào);2003年06期

5 劉正軍,王長(zhǎng)耀,張繼賢;基于小波與遺傳算法的特征提取與特征選擇(英文)[J];遙感學(xué)報(bào);2005年02期

6 谷延鋒,張曄;基于自動(dòng)子空間劃分的高光譜數(shù)據(jù)特征提取[J];遙感技術(shù)與應(yīng)用;2003年06期

7 劉旭,夏金東,吳淼;超聲檢測(cè)缺陷分類的降噪及特征提取問(wèn)題研究[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2001年03期

8 李訓(xùn)誥;周利輝;;基于多分辨分析的艦船噪聲能量特征提取方法[J];火力與指揮控制;2009年S1期

9 婁建武,龍?jiān)?爆破震動(dòng)信號(hào)的特征提取及識(shí)別技術(shù)研究[J];振動(dòng)與沖擊;2003年03期

10 季忠,金濤,楊炯明,秦樹人;基于獨(dú)立分量分析的消噪方法在旋轉(zhuǎn)機(jī)械特征提取中的應(yīng)用[J];中國(guó)機(jī)械工程;2005年01期

相關(guān)會(huì)議論文 前6條

1 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2005年

2 劉德剛;邵國(guó)凡;;高維遙感數(shù)據(jù)分析的特征提取方法[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

3 楊西林;王炳和;;水下運(yùn)動(dòng)目標(biāo)譜特征提取與增強(qiáng)技術(shù)綜述[A];2007’促進(jìn)西部發(fā)展聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2007年

4 王磊;彭圓;蔣行海;牟林;;關(guān)聯(lián)維特征提取與應(yīng)用研究[A];泛在信息社會(huì)中的聲學(xué)——中國(guó)聲學(xué)學(xué)會(huì)2010年全國(guó)會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文集[C];2010年

5 劉兵;孫超;楊益新;柳革命;;被動(dòng)聲納目標(biāo)臨界頻帶頻譜能量的特征提取[A];2009年全國(guó)水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會(huì)換屆改選會(huì)議論文集[C];2009年

6 梁紅;陳毅輝;;實(shí)際艦船噪聲提取和分類識(shí)別的匯編實(shí)現(xiàn)[A];2006’和諧開發(fā)中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 劉正軍;高維遙感數(shù)據(jù)土地覆蓋特征提取與分類研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

相關(guān)碩士學(xué)位論文 前1條

1 馮斌;衛(wèi)星遙感圖像地標(biāo)特征提取與匹配研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

，

本文編號(hào)：1638387