森林資源在社會(huì)經(jīng)濟(jì)發(fā)展中占有舉足輕重的地位,然而中國(guó)林地廣袤遼闊,普通的觀測(cè)方式難以實(shí)時(shí)掌握林地內(nèi)部狀況。航天遙感影像具有覆蓋范圍廣、數(shù)據(jù)獲取快、影像信息豐富等特點(diǎn),相比其他方式更適合對(duì)林地進(jìn)行觀測(cè)。將深度學(xué)習(xí)方法與衛(wèi)星遙感影像技術(shù)相結(jié)合進(jìn)行觀測(cè),可為林地資源的調(diào)查與規(guī)劃提供及時(shí)信息,從而進(jìn)一步加強(qiáng)環(huán)境監(jiān)測(cè)、推動(dòng)區(qū)域生態(tài)建設(shè)。本文提出基于端到端深度學(xué)習(xí)技術(shù)的遙感影像林地檢測(cè)策略,通過(guò)圖像分割的方式,透過(guò)不同角度解決因林地類內(nèi)差異較大、分布不均、形狀各異造成的檢測(cè)正確率低的現(xiàn)象:1、設(shè)計(jì)最確定融合策略,從充分利用現(xiàn)有端到端深度學(xué)習(xí)模型的角度出發(fā),對(duì)多個(gè)現(xiàn)有模型的檢測(cè)結(jié)果按像元預(yù)測(cè)概率值進(jìn)行比較,確定最終類別。通過(guò)這種策略保留不同模型的優(yōu)點(diǎn),進(jìn)一步提高遙感影像的林地檢測(cè)正確率。2、設(shè)計(jì)多分支回歸級(jí)聯(lián)融合網(wǎng)絡(luò),從優(yōu)化網(wǎng)絡(luò)的角度,利用多尺度輸出對(duì)多個(gè)損失函數(shù)進(jìn)行回歸,并設(shè)計(jì)級(jí)聯(lián)融合上采樣塊,增強(qiáng)不同類型的特征傳遞,加快網(wǎng)絡(luò)擬合速度,提高林地檢測(cè)正確率。3、針對(duì)寬視場(chǎng)影像的林地檢測(cè)任務(wù)進(jìn)行優(yōu)化,通過(guò)分割輸入減少運(yùn)行內(nèi)存、數(shù)學(xué)形態(tài)學(xué)優(yōu)化“接邊”現(xiàn)象,提高端到端深度學(xué)習(xí)模型在寬視場(chǎng)影像上的檢測(cè)效率與... 

【文章來(lái)源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１神經(jīng)元結(jié)構(gòu)??Ｆｉｇ．２－１?Ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??

經(jīng)元之間的連接權(quán)重會(huì)發(fā)生變化并確定網(wǎng)絡(luò)的功??能。??神經(jīng)元通過(guò)互相連接，構(gòu)成了神經(jīng)網(wǎng)絡(luò)。傳統(tǒng)的全連接會(huì)將所有神經(jīng)元與其它所??有神經(jīng)元相連接，此時(shí)雖然函數(shù)表達(dá)能力得到增強(qiáng)，但連接數(shù)量會(huì)隨著神經(jīng)元個(gè)數(shù)的??增加呈指數(shù)級(jí)增長(zhǎng)。因此，為減輕計(jì)算壓力，將神經(jīng)網(wǎng)絡(luò)分解成了不同的神經(jīng)網(wǎng)絡(luò)層。??神經(jīng)網(wǎng)絡(luò)分成不同的層，每一層有一群互不連接的神經(jīng)元，它們只與其它神經(jīng)網(wǎng)絡(luò)層??中的神經(jīng)元相連接，而不與本層祌經(jīng)元連接，形成拓?fù)浣Y(jié)構(gòu)。全連接層中，每個(gè)神經(jīng)??元的輸出會(huì)輸入到下一層的所有神經(jīng)元中。??圖２－２神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??Ｆｉｇ．２－２?Ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??深度學(xué)習(xí)所使用的深度網(wǎng)絡(luò)結(jié)構(gòu)符合神經(jīng)網(wǎng)絡(luò)的特征，故也被稱為深度祌經(jīng)網(wǎng)絡(luò)??（ＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋ）?［４５］。深度網(wǎng)絡(luò)由多個(gè)神經(jīng)網(wǎng)絡(luò)層疊加而成，與傳統(tǒng)的單層祌??經(jīng)網(wǎng)絡(luò)相比網(wǎng)絡(luò)層數(shù)大大增加。按不同層的位置劃分，深度網(wǎng)絡(luò)可分為輸入層，隱藏??層和輸出層。輸入層一般作為網(wǎng)絡(luò)的開始，接收待學(xué)習(xí)目標(biāo)，可以是影像或語(yǔ)音，網(wǎng)??絡(luò)最后一層一般為輸出層，其余為隱藏層，各個(gè)層中的神經(jīng)元互不連接，但一定與前??１０??

工大學(xué)碩士學(xué)位論文???高分六號(hào)寬視場(chǎng)相機(jī)的分辨率為１６ｍ，在譜段上除了紅譜段、綠譜段、藍(lán)譜段與??近紅外譜段外，增加了紫譜段（０．４０４？０．４５７ｐｍ）、黃譜段（０．５８５？０．６３６ｎｍ）、紅邊??譜段?１?（０．６８１？０．７４２ｐｍ）和紅邊譜段?２?（０．７２４￣０．７８２ｎｍ）。???ｎｒ?ｅ?ｕｒ?ｅ??Ｎ??Ｈａｎｄｓ??＿＿?０?１２．５?２５?５０??■■■■■ＫＺＺＺＺｒｉａＨＨＨＨＨＨＨＨＨｉ?ｋｒｎ??１１８＂?１５?ｎｒ?ｆｉ??圖３－１高分六號(hào)寬視場(chǎng)影像示例一一黃山市（假彩色圖像）??Ｆｉｇ．?３－１?ＧＦ－６?ｗｉｄｅ?ｆｉｅｌｄ?ｏｆ?ｖｉｅｗ?ｉｍａｇｅ?ｆｏｒ?Ｈｕａｎｇｓｈａｎ?Ｃｉｔｙ?（ｆａｌｓｅ?ｃｏｌｏｒ?ｉｍａｇｅ）??本課題收集了東北遼寧本溪市、東北內(nèi)蒙古根河市、華北河北承德市、華南廣西??防城港市、西南云南普洱市、西北甘肅天水市、華中安徽黃山市、華東湖北宜昌市八??個(gè)測(cè)試應(yīng)用區(qū)的高分六號(hào)寬視場(chǎng)影像數(shù)據(jù)進(jìn)行分析、處理，主要選取植被的茂盛季進(jìn)??行觀察，影像拍攝時(shí)間集中在四到九月份間。獲取影像數(shù)據(jù)后，需要對(duì)影像進(jìn)行正射??校正、輻射定標(biāo)，利用各市矢量圖裁剪，得到各市輻射亮度值圖像。??通過(guò)對(duì)各市影像進(jìn)行觀察、分析，統(tǒng)計(jì)植被和非植被、林地與非林地樣本均值。??在植被與非植被一組中，植被的近紅外和紅邊２波段的輻射亮度均值顯著高于非植被，??是區(qū)分植被非植被的主要波段。在林地與非林地一組中，非林地的近紅外輻射亮度均??值均高于林地。??使用人工目視解譯的方式獲取樣本工作量大，且對(duì)地物的判讀及勾繪具有主觀性，??在獲取到高分六號(hào)寬視場(chǎng)遙感影像數(shù)據(jù)后，本課

【參考文獻(xiàn)】：
期刊論文
[1]林地資源保護(hù)管理與生態(tài)林業(yè)的建設(shè)探究[J]. 陳亮.  農(nóng)家參謀. 2020(12)
[2]基于高分二號(hào)遙感影像的樹種分類方法[J]. 李哲,張沁雨,彭道黎.  遙感技術(shù)與應(yīng)用. 2019(05)
[3]采用深度學(xué)習(xí)的遙感圖像花生種植區(qū)域分類技術(shù)研究[J]. 黃云,唐林波,李震,龍騰.  信號(hào)處理. 2019(04)
[4]GF-6衛(wèi)星WFV數(shù)據(jù)在林地類型監(jiān)測(cè)中的應(yīng)用潛力[J]. 劉晉陽(yáng),辛存林,武紅敢,曾慶偉,史京京.  航天返回與遙感. 2019(02)
[5]3S技術(shù)在林業(yè)中的應(yīng)用[J]. 蘇衛(wèi)靜,尹惠妍,楊小林,張志偉.  西藏科技. 2019(01)
[6]基于無(wú)人機(jī)和決策樹算法的榆樹疏林草原植被類型劃分和覆蓋度生長(zhǎng)季動(dòng)態(tài)估計(jì)[J]. 韓東,王浩舟,鄭邦友,王鋒.  生態(tài)學(xué)報(bào). 2018(18)
[7]深度學(xué)習(xí)在遙感影像分類中的研究進(jìn)展[J]. 付偉鋒,鄒維寶.  計(jì)算機(jī)應(yīng)用研究. 2018(12)
[8]基于像元二分模型的林地變化檢測(cè)研究[J]. 祝國(guó)祥,何鐵祥.  四川林業(yè)科技. 2017(05)
[9]多源數(shù)據(jù)林地類型的精細(xì)分類方法[J]. 任沖,鞠洪波,張懷清,黃建文,鄭應(yīng)選.  林業(yè)科學(xué). 2016(06)
[10]基于隨機(jī)森林的地理要素面向?qū)ο笞詣?dòng)解譯方法[J]. 顧海燕,閆利,李海濤,賈瑩.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2016(02)

碩士論文
[1]基于多源遙感數(shù)據(jù)的林地類型精細(xì)識(shí)別與變化監(jiān)測(cè)研究[D]. 張兆鵬.西安科技大學(xué) 2018
[2]半監(jiān)督學(xué)習(xí)若干問(wèn)題的研究[D]. 易星.清華大學(xué) 2004



本文編號(hào)：3277031