發(fā)布時間：2020-07-27 11:10

【摘要】：近十年來,隨著高分辨率對地觀觀測技術(shù)的迅速發(fā)展,衛(wèi)星遙感影像已經(jīng)全面進(jìn)入了亞米級時代,高空間分辨率遙感影像已經(jīng)廣泛應(yīng)用于土地利用/覆蓋遙感制圖、地理國情監(jiān)測、智慧城市、國土安全、災(zāi)害應(yīng)急、林業(yè)和農(nóng)業(yè)等領(lǐng)域。然而隨著遙感影像空間分辨率的提高,地物信息呈現(xiàn)高度細(xì)節(jié)化,影像中的地物類內(nèi)方差增大,不同地物類之間方差減少,使得影像中不同地物的光譜統(tǒng)計分布更復(fù)雜,同時地物細(xì)節(jié)信息、幾何結(jié)構(gòu)和紋理特征等也更加明顯,這些特點使得傳統(tǒng)的面向像元光譜處理方法已經(jīng)不適應(yīng)高分辨率遙感影像智能解譯。近年來,國內(nèi)外學(xué)者通過大量特征的提取算法,提高了高分辨率遙感影像在特征空間的可分性,有效地提高了高分辨率影像分類精度。這些特征多為低層特征和中層語義特征,無法描述高層次特征信息。深度學(xué)習(xí)通過多層的抽象可以得到高層特征,但多次特征提取與抽象模糊了邊界信息,分類結(jié)果不能描述地物精確的邊界。針對高分辨率影像分類中存在的問題,本文將面向?qū)ο笥跋穹治龇椒ㄒ肷疃葘W(xué)習(xí),提出面向?qū)ο蟮纳疃葘W(xué)習(xí)的高分辨率遙感影像分類框架,并應(yīng)用于高分辨率遙感影像分類。本文主要研究內(nèi)容如下:1.針對高分辨率遙感影像信息提取面臨的問題,闡述和分析了現(xiàn)有高分辨率遙感影像分類算法優(yōu)缺點,并綜述了高分辨遙感影像分割方與分類方法的發(fā)展與研究現(xiàn)狀。系統(tǒng)介紹了面向?qū)ο笥跋穹治龇椒ê蜕疃葘W(xué)習(xí)的基本理論、方法和高分辨率遙感影像分割與分類的定量評價指標(biāo)。2.通過分析已有高分辨率影像分割合并準(zhǔn)則存在的問題和地物光譜特性,提出了一種融合地學(xué)多波譜指數(shù)的高分辨率遙感影像分割算法。波譜指數(shù)模型通過特定波譜間的數(shù)學(xué)運(yùn)算,增強(qiáng)特定目標(biāo)地物,弱化背景信息,將有利于遙感影像分割。該算法主要利用地學(xué)多波譜指數(shù)指導(dǎo)特定地物目標(biāo)的多尺度分割。具體流程包括:(1)利用均值漂移分割算法獲得初始分割結(jié)果;(2)在初始分割結(jié)果基礎(chǔ)上構(gòu)建對象鄰接圖(OAG),采用光譜差異性、形狀緊湊度指數(shù)與地學(xué)多波譜指數(shù)建立不同地物的合并準(zhǔn)則,根據(jù)合并準(zhǔn)則構(gòu)建多尺度分割結(jié)果;(3)通過統(tǒng)計各尺度分割結(jié)果的全局特征確定最優(yōu)分割尺度。通過兩個高分辨率遙感影像數(shù)據(jù)進(jìn)行實驗,驗證該算法的性能,并與典型的分型網(wǎng)絡(luò)演化算法和均值漂移分割算法對比分析,該算法獲得更高的分割精度和視覺效果。3.提出了面向?qū)ο罂蚣芟禄谏疃葘W(xué)習(xí)的高分辨率遙感影像分類算法。針對傳統(tǒng)高分辨率遙感影像分類特征設(shè)計與提取方法表達(dá)能力不足、地物識別能力有限和基于深度學(xué)習(xí)的地物邊界模糊的問題。本文將面向?qū)ο笥跋穹治龇椒ㄅc深度學(xué)習(xí)結(jié)合。首先根據(jù)融合多波譜指數(shù)的高分辨率影像分割算法獲取影像的多尺度分割結(jié)果,以對象作為基本處理單元,提取對象的形狀、紋理、上下文等低層特征,輸入深度卷積神經(jīng)網(wǎng)絡(luò)獲得單尺度深度特征,然后將這些單尺度深度特征融合得到多尺度深度特征;最后利用對象多尺度深度特征進(jìn)行高分辨率遙感影像分類。通過三個高分辨率遙感影像進(jìn)行實驗驗證,并與其他的多尺度表達(dá)和不同分類算法進(jìn)行對比實驗,實驗結(jié)果表明該算法具有更高的分類精度。
【學(xué)位授予單位】：云南師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：P237
【圖文】：

1.4 論文的研究內(nèi)容與章節(jié)安排向?qū)ο蟮挠跋穹治龇椒M人類視覺信息處理機(jī)理，將影像對理單元，有效解決了“同物異譜”、“異物同譜”等問題，并且為豐富的空間特征；深度學(xué)習(xí)通過對影像特征的逐層抽象，自動征，縮小了低層特征與高層信息之間的“語義鴻溝”。本文將析方法和深度學(xué)習(xí)結(jié)合，提出一種面向?qū)ο蠓治隹蚣芟禄谏钸b感影像分類方法。本文研究思路如圖 1.1 所示：

3 均值漂移分割算法值漂移是一種統(tǒng)計迭代算法，通過逐步移動搜素窗口 Fukunaga K 首次提出了均值漂移（Mean shift）的概念度估計，Comaniciu 等人（1999）首次將該聚類算法應(yīng)移算法是一種基于密度梯度上升的非參數(shù)方法，它將每一個特征點向密度函數(shù)的局部極大值點“漂移”[66最鄰近的特征點劃分為同一類。Mean Shift 算法的特點高、抗噪能力強(qiáng)等，因此廣泛應(yīng)用于遙感影像分割。值漂移算法聚類過程中，首先定義聚類中心點和搜索內(nèi)密度最大處的特征空間坐標(biāo)，得到該點與原中心點，再將原中心點坐標(biāo)“漂移”到新的坐標(biāo)處得到新的，再次計算新的搜索窗口內(nèi)的中心點坐標(biāo)，直至中心處，圖 2.1 為均值漂移算法過程：搜索窗

17卷積網(wǎng)絡(luò)模型結(jié)構(gòu)如下圖 2.2 所示：圖2.2CNN 結(jié)構(gòu)示意圖卷積層由多個卷積核構(gòu)成，用于提取輸入數(shù)據(jù)的特征，卷積核與輸入數(shù)據(jù)進(jìn)行卷積運(yùn)算輸出多個特征圖。卷積核以特定的間隔（stride）與輸入特征作點乘運(yùn)算，設(shè)輸入大小為 的三維向量，其中 為輸入特征的長和寬，r 為深度，則每一個特征圖為 ；若輸出 的向量，則需構(gòu)建 k 個 的卷積核（filter bank） ；卷積運(yùn)算得到的特征圖為：， 為卷積運(yùn)算符

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李德仁;童慶禧;李榮興;龔健雅;張良培;;高分辨率對地觀測的若干前沿科學(xué)問題[J];中國科學(xué):地球科學(xué);2012年06期

2 張學(xué)良;肖鵬峰;馮學(xué)智;;基于圖像內(nèi)容層次表征的遙感圖像分割方法[J];中國圖象圖形學(xué)報;2012年01期

3 劉建華;毛政元;;高空間分辨率遙感影像分割方法研究綜述[J];遙感信息;2009年06期

4 黃昕;李平湘;張良培;;基于多層形狀特征提取與融合的城市高光譜影像解譯[J];測繪科學(xué);2009年06期

5 黃昕;張良培;李平湘;;基于多尺度特征融合和支持向量機(jī)的高分辨率遙感影像分類[J];遙感學(xué)報;2007年01期

6 陳云浩;馮通;史培軍;王今飛;;基于面向?qū)ο蠛鸵?guī)則的遙感影像分類研究[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2006年04期

7 李鄉(xiāng)儒,吳福朝,胡占義;均值漂移算法的收斂性[J];軟件學(xué)報;2005年03期

8 孫丹峰,楊冀紅,劉順喜;高分辨率遙感衛(wèi)星影像在土地利用分類及其變化監(jiān)測的應(yīng)用研究[J];農(nóng)業(yè)工程學(xué)報;2002年02期

9 章毓晉;圖象分割評價技術(shù)分類和比較[J];中國圖象圖形學(xué)報;1996年02期

10 劉少創(chuàng)，林宗堅;航空影像分割的Snake方法[J];武漢測繪科技大學(xué)學(xué)報;1995年01期

相關(guān)博士學(xué)位論文 前2條

1 陳杰;高分辨率遙感影像面向?qū)ο蠓诸惙椒ㄑ芯縖D];中南大學(xué);2010年

2 黃昕;高分辨率遙感影像多尺度紋理、形狀特征提取與面向?qū)ο蠓诸愌芯縖D];武漢大學(xué);2009年

本文編號：2771764