土地資源是人類賴以生存和發(fā)展的基石,無節(jié)制不合理的土地利用方式已經(jīng)對(duì)土地資源造成巨大的破壞,加劇了自然環(huán)境的惡化,影響社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展。了解土地覆蓋狀況是保護(hù)土地資源的前提,因此如何快速準(zhǔn)確地獲取土地覆蓋信息,已經(jīng)成為遙感領(lǐng)域的一個(gè)熱點(diǎn)問題。傳統(tǒng)的基于像素的地物提取方法不能充分利用高分影像的特征信息,而面向?qū)ο蠓诸惢诜指顚?duì)象提取特征信息,能夠綜合利用高分影像的光譜、紋理、形狀特征。影像分割是面向?qū)ο蠓诸惖牡谝徊揭彩侵陵P(guān)重要的一步,分割質(zhì)量的高低直接影響到分類的精度。高分影像為面向?qū)ο蠓诸愄峁┝素S富的特征信息,但并不是特征數(shù)目越多越好,高度相關(guān)的冗余特征反而會(huì)影響分類的精度和效率,所以分類時(shí)必須優(yōu)化特征空間。卷積神經(jīng)網(wǎng)絡(luò)Convolutional neural network(CNN)作為深度學(xué)習(xí)中應(yīng)用最廣泛的網(wǎng)絡(luò),其“卷積—池化”結(jié)構(gòu)賦予了它強(qiáng)大的學(xué)習(xí)能力,能夠自動(dòng)提取遙感影像的特征信息,無需人工提取特征和優(yōu)化,避免了人為主觀上的誤差,提高了分類效率,因此CNN逐漸被應(yīng)用到遙感影像分類。本文以國產(chǎn)高分二號(hào)(GF-2)“亞米級(jí)”影像為數(shù)據(jù)源,分別采用面向?qū)ο蠹夹g(shù)和CNN對(duì)安徽省巢湖...

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外分類方法的研究進(jìn)展
        1.2.1 基于像元的分類方法
        1.2.2 面向?qū)ο蟮姆诸惙椒?br>        1.2.3 基于深度學(xué)習(xí)的高分辨率遙感影像的分類
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 研究目標(biāo)
        1.3.2 研究內(nèi)容
    1.4 論文組織框架
    1.5 技術(shù)路線
第二章 研究區(qū)概況和數(shù)據(jù)預(yù)處理
    2.1 研究區(qū)概況
    2.2 高分二號(hào)遙感影像
    2.3 高分二號(hào)遙感影像預(yù)處理
        2.3.1 輻射定標(biāo)
        2.3.2 大氣校正
        2.3.3 正射校正
        2.3.4 影像融合
        2.3.5 影像裁剪
    2.4 精度評(píng)價(jià)
    2.5 本章小結(jié)
第三章 基于最鄰近的面向?qū)ο笸恋馗采w分類
    3.1 分類體系的建立
    3.2 多層次影像分割
        3.2.1 影像分割
        3.2.2 影像分割參數(shù)優(yōu)化
    3.3 面向?qū)ο蟮耐恋馗采w分類
        3.3.1 最鄰近分類原理
        3.3.2 特征空間構(gòu)建
        3.3.3 基于單一分割層面向?qū)ο蠓诸?br>        3.3.4 基于多層次面向?qū)ο蠓诸?br>    3.4 精度評(píng)價(jià)與結(jié)果分析
    3.5 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)模型的土地覆蓋分類
    4.1 卷積神經(jīng)網(wǎng)絡(luò)
        4.1.1 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
        4.1.2 卷積神經(jīng)網(wǎng)絡(luò)的特征
    4.2 本章所設(shè)計(jì)的CNN模型
    4.3 實(shí)驗(yàn)與分析
        4.3.1 實(shí)驗(yàn)環(huán)境
        4.3.2 數(shù)據(jù)集獲取與增強(qiáng)
        4.3.3 CNN模型參數(shù)優(yōu)化
    4.4 分類結(jié)果
        4.4.1 支持向量機(jī)分類
        4.4.2 CNN分類
    4.5 精度評(píng)價(jià)
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝



本文編號(hào)：3874260