遙感技術(shù)廣泛應(yīng)用于地理學(xué)、國土科學(xué)、生態(tài)環(huán)境學(xué)等多個(gè)領(lǐng)域,是獲取地理信息數(shù)據(jù)的重要手段之一。遙感影像是傳感器在軌道運(yùn)行中對(duì)地觀測(cè)的影像,主要分為全色波段影像、高光譜影像、多光譜影像和雷達(dá)影像。但遙感影像在成像過程中會(huì)受到傳感器故障等諸多因素的影響,難以避免局部信息丟失,這個(gè)問題嚴(yán)重制約了遙感影像的應(yīng)用。精確重建丟失的遙感影像信息對(duì)遙感影像數(shù)據(jù)分析與應(yīng)用有著重要的意義。國內(nèi)外已有許多關(guān)于影像修復(fù)的算法。這些算法大都需要建立退化模型與獲取傳感器平臺(tái)參數(shù)。一般情況下,有些退化的影像很難找到相應(yīng)的模型來表達(dá),平臺(tái)參數(shù)的獲取也比較困難。因此,建立一個(gè)準(zhǔn)確而高效的固定修復(fù)框架,對(duì)于遙感影像的修復(fù)具有重要的意義。近年來,以卷積神經(jīng)網(wǎng)絡(luò)（Convolution Neural Network,CNN）為代表的深度學(xué)習(xí)算法在遙感影像的分類與識(shí)別中體現(xiàn)了強(qiáng)大的性能。本文在CNN的基礎(chǔ)上構(gòu)建FCN修復(fù)框架模型,通過樣本訓(xùn)練建立框架間的映射關(guān)系,并構(gòu)建空間尺度提升FCN修復(fù)全色波段遙感影像效果;基于FCN遙感影像的對(duì)象分割,在同類地物上尋找相似像元,通過相似像元替換實(shí)現(xiàn)遙感影像的光譜修復(fù)。本文主要研究內(nèi)容如下:... 

【文章來源】：東華理工大學(xué)江西省

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 影像修復(fù)現(xiàn)狀
        1.2.2 卷積神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
2 遙感影像修復(fù)相關(guān)基礎(chǔ)
    2.1 遙感影像修復(fù)數(shù)學(xué)原理
    2.2 遙感影像成像原理
    2.3 常用的影像修復(fù)方法
        2.3.1 維納濾波
        2.3.2 替換法
        2.3.3 盲去卷積復(fù)原法
    2.4 影像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)
        2.4.1 主觀評(píng)價(jià)方法
        2.4.2 客觀評(píng)價(jià)方法
        2.4.3 遙感影像修復(fù)的基本原則
    2.5 本章小結(jié)
3 全卷積神經(jīng)網(wǎng)絡(luò)支持下的遙感影像修復(fù)
    3.1 全卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與原理
    3.2 全卷積神經(jīng)網(wǎng)絡(luò)特點(diǎn)
    3.3 全卷積神經(jīng)網(wǎng)絡(luò)修復(fù)模型原理
    3.4 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
4 基于多尺度全卷積神經(jīng)網(wǎng)絡(luò)遙感影像紋理修復(fù)
    4.1 網(wǎng)絡(luò)模型描述
    4.2 基于金字塔分解的多尺度影像修復(fù)
        4.2.1 理論基礎(chǔ)
        4.2.2 構(gòu)建尺度空間
    4.3 多尺度影像融合
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
5 基于全卷積神經(jīng)網(wǎng)絡(luò)語義分割的遙感影像波段修復(fù)
    5.1 基本原理
        5.1.1 均值漂移分割原理
        5.1.2 象元替換原理
    5.2 實(shí)驗(yàn)結(jié)果分析
    5.3 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]整數(shù)解SA優(yōu)化迭代維納濾波的圖像復(fù)原[J]. 陳智軒.  工業(yè)控制計(jì)算機(jī). 2017(10)
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的高光譜遙感圖像分類[J]. 羅建華,李明奇,鄭澤忠,李江.  西華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[3]卷積神經(jīng)網(wǎng)絡(luò)綜述[J]. 張慶輝,萬晨霞.  中原工學(xué)院學(xué)報(bào). 2017(03)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)模型的遙感圖像分類[J]. 付秀麗,黎玲萍,毛克彪,譚雪蘭,李建軍,孫旭,左志遠(yuǎn).  高技術(shù)通訊. 2017(03)
[5]融合顏色-紋理模型的均值漂移分割算法[J]. 王更,王光輝,楊化超.  測(cè)繪科學(xué). 2015(08)
[6]基于改進(jìn)同態(tài)濾波的遙感圖像去云算法[J]. 周小軍,郭佳,周承仙,譚薇.  無線電工程. 2015(03)
[7]破損區(qū)域分塊劃分的圖像修復(fù)[J]. 翟東海,魚江,段維夏,肖杰.  中國圖象圖形學(xué)報(bào). 2014(06)
[8]基于TSPL的圖像椒鹽噪聲去除新算法[J]. 朱效麗,李防震.  現(xiàn)代電子技術(shù). 2013(14)
[9]多維特征自適應(yīng)MeanShift遙感圖像分割方法[J]. 周家香,朱建軍,梅小明,馬慧云.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2012(04)
[10]基于小波變換的高分辨率快鳥遙感圖像薄云去除[J]. 張波,季民河,沈琪.  遙感信息. 2011(03)

碩士論文
[1]遙感影像去云方法研究[D]. 趙孟銀.天津科技大學(xué) 2016
[2]卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究[D]. 吳正文.電子科技大學(xué) 2015
[3]改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究[D]. 何鵬程.大連理工大學(xué) 2015
[4]基于FMM算法的圖像修復(fù)[D]. 范謙.揚(yáng)州大學(xué) 2014
[5]基于視覺注意與結(jié)構(gòu)失真的圖像質(zhì)量評(píng)價(jià)方法研究[D]. 向彬.華中科技大學(xué) 2011
[6]基于色彩空間變換的遙感影像陰影檢測(cè)與去除技術(shù)[D]. 鞠何其.上海交通大學(xué) 2009



本文編號(hào)：2937887