隨著航空航天技術(shù)的快速發(fā)展,各種各樣的衛(wèi)星遙感影像層出不窮,高分辨率遙感影像已經(jīng)成為人類快速實現(xiàn)全球或大區(qū)域?qū)Φ赜^測的重要數(shù)據(jù)來源。然而,遙感圖像的獲取受雜波干擾較大且圖像中目標(biāo)輪廓模糊,同時伴隨著遙感圖像數(shù)據(jù)量的指數(shù)級增加,對遙感圖像的處理技術(shù)提出了更高的要求與挑戰(zhàn)。近年來,深度學(xué)習(xí)以其優(yōu)異的算法性能被廣泛應(yīng)用于圖像理解以及視覺分析等領(lǐng)域,它突破了傳統(tǒng)計算機(jī)視覺算法結(jié)構(gòu)的約束,為遙感圖像的處理提供了新的方法。本文主要針對遙感圖像的語義分割和SAR圖像的變化檢測問題進(jìn)行研究和分析,使用全卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)像素級別端到端的分類,本文的重點包括以下工作:（1）本文針對高分辨率航拍圖像的語義分割問題,建立了簡化的SegNet網(wǎng)絡(luò)（R-SegNet）,通過編碼-解碼網(wǎng)絡(luò)實現(xiàn)像素級的分類,編碼網(wǎng)絡(luò)提取圖像特征,解碼網(wǎng)絡(luò)將特征圖映射到原圖大小,利用R-SegNet網(wǎng)絡(luò)實現(xiàn)航拍圖像的語義分割。為了進(jìn)一步提高分割效果,采用以下三種策略進(jìn)行實驗研究:a)將R-SegNet編碼網(wǎng)絡(luò)中每個卷積塊的特征信息與解碼網(wǎng)絡(luò)中對應(yīng)卷積塊的特征信息進(jìn)行融合;b)考慮到高分辨率航拍圖像中地物信息的復(fù)雜多樣性,以及對小目標(biāo)物... 

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 遙感圖像語義分割國內(nèi)外研究現(xiàn)狀
        1.2.2 SAR圖像變化檢測國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容與創(chuàng)新
    1.4 本文結(jié)構(gòu)安排
第二章 遙感圖像處理與深度神經(jīng)網(wǎng)絡(luò)
    2.1 圖像語義分割
        2.1.1 概述
        2.1.2 圖像分割常用方法
        2.1.3 圖像語義分割的評價標(biāo)準(zhǔn)
    2.2 SAR圖像變化檢測
        2.2.1 概述
        2.2.2 SAR圖像變化檢測的流程
        2.2.3 變化檢測結(jié)果評價標(biāo)準(zhǔn)
    2.3 深度神經(jīng)網(wǎng)絡(luò)
        2.3.1 概述
        2.3.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.3 卷積神經(jīng)網(wǎng)絡(luò)(CNN)
        2.3.4 全卷積神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 基于全卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像語義分割
    3.1 引言
    3.2 全卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像語義分割算法介紹
        3.2.1 全卷積網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 基于特征融合的全卷積網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.3 基于R-SegUnet網(wǎng)絡(luò)的多分類轉(zhuǎn)二分類
        3.2.4 基于多分類器的集成學(xué)習(xí)
    3.3 過擬合與遷移學(xué)習(xí)
        3.3.1 防止過擬合
        3.3.2 遷移學(xué)習(xí)
    3.4 實驗與分析
        3.4.1 實驗數(shù)據(jù)及實驗環(huán)境
        3.4.2 網(wǎng)絡(luò)模型的參數(shù)設(shè)置
        3.4.3 基于R-SegNet網(wǎng)絡(luò)的實驗結(jié)果及分析
        3.4.4 基于特征融合的R-SegNet網(wǎng)絡(luò)實驗結(jié)果及分析
        3.4.5 基于R-SegUnet網(wǎng)絡(luò)的多分類轉(zhuǎn)二分類實驗結(jié)果及分析
        3.4.6 基于多分類器的集成學(xué)習(xí)實驗結(jié)果及分析
    3.5 本章小結(jié)
第四章 基于全卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像變化檢測
    4.1 引言
    4.2 算法介紹
        4.2.1 FCM
        4.2.2 FLICM
        4.2.3 稀疏自編碼器(SAE)
    4.3 基于SAE和全卷積網(wǎng)絡(luò)的SAR變化檢測
        4.3.1 基于FCM和FLICM的特征聚類
        4.3.2 基于SAE的特征學(xué)習(xí)
        4.3.3 基于SegUnet網(wǎng)絡(luò)的SAR圖像變化檢測
    4.4 實驗結(jié)果及分析
    4.5 本章小結(jié)
第五章 總結(jié)和展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J]. 溫鵬.  經(jīng)營管理者. 2017(15)
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪研究[J]. 李傳朋,秦品樂,張晉京.  計算機(jī)工程. 2017(03)
[3]無人機(jī)遙感在我國森林資源監(jiān)測中的應(yīng)用動態(tài)[J]. 徐譽(yù)遠(yuǎn),胡爽,王本洋.  林業(yè)與環(huán)境科學(xué). 2017(01)
[4]“高分五號”衛(wèi)星光學(xué)遙感載荷的技術(shù)創(chuàng)新[J]. 范斌,陳旭,李碧岑,趙艷華.  紅外與激光工程. 2017(01)
[5]合成孔徑雷達(dá)影像變化檢測研究進(jìn)展[J]. 公茂果,蘇臨之,李豪,劉嘉.  計算機(jī)研究與發(fā)展. 2016(01)
[6]非監(jiān)督SAR圖像變化檢測研究最新進(jìn)展[J]. 吳濤,陳曦,牛蕾,陶利.  遙感信息. 2013(01)
[7]一種基于圖的顏色紋理區(qū)域分割方法[J]. 孟慶濤,龔聲蓉,劉純平,王朝暉.  中國圖象圖形學(xué)報. 2009(10)
[8]Geometrically robust image watermarking using scale-invariant feature transform and Zernike moments[J]. 李雷達(dá),郭寶龍,邵凱.  Chinese Optics Letters. 2007(06)
[9]基于寬光譜光學(xué)遙感圖像的細(xì)分光譜光學(xué)遙感圖像的模擬[J]. 陳方,牛錚,覃馭楚,付安民.  光電工程. 2007(05)

碩士論文
[1]深度學(xué)習(xí)在圖像識別中的研究及應(yīng)用[D]. 李衛(wèi).武漢理工大學(xué) 2014
[2]基于閾值的圖像分割研究[D]. 付云鳳.重慶大學(xué) 2013
[3]基于特征級融合的目標(biāo)識別方法研究[D]. 王東明.沈陽理工大學(xué) 2013



本文編號：3707801