梯田是山丘坡耕地上最快捷有效的水土保持工程,根據(jù)《全國坡耕地水土流失綜合治理“十三五”專項(xiàng)建設(shè)方案》的規(guī)劃,大規(guī)模坡改梯工程即將建設(shè)完成。及時、準(zhǔn)確地掌握梯田分布信息對水土保持監(jiān)測和評價十分重要。目前,基于高分辨率無人機(jī)遙感梯田識別方法的研究仍然停留在面向?qū)ο蠓治黾夹g(shù)層面,梯田的特征學(xué)習(xí)和識別分類依賴人工目視檢測。為了解決遙感梯田識別研究中梯田特征無法進(jìn)行自動深層次學(xué)習(xí)的問題,本文利用深度學(xué)習(xí)技術(shù),研究基于全卷積神經(jīng)網(wǎng)絡(luò)（Fully Convolutional Networks,FCN）和條件隨機(jī)場（Conditional Random Field,CRF）的語義分割方法完成對梯田田塊的識別工作。本文主要完成工作如下:（1）梯田田塊語義分割數(shù)據(jù)集的生成方案。由于現(xiàn)有的語義分割數(shù)據(jù)集缺少梯田田塊標(biāo)記樣本,論文首先利用無人機(jī)采集原始數(shù)據(jù),結(jié)合幾何糾正、影像鑲嵌等數(shù)據(jù)預(yù)處理方法獲得梯田正射影像,經(jīng)過Open CV裁剪后,使用Labelme基于目視解譯的方式標(biāo)注樣本集,最后利用數(shù)據(jù)增強(qiáng)技術(shù)生成像素級梯田田塊語義分割數(shù)據(jù)集,為后續(xù)梯田田塊識別研究奠定基礎(chǔ)。（2）基于FCN的梯田田塊識別方法研究。... 

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
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 高分辨率遙感梯田識別研究現(xiàn)狀
        1.2.2 深度學(xué)習(xí)在遙感領(lǐng)域的應(yīng)用研究現(xiàn)狀
        1.2.3 研究現(xiàn)狀分析
    1.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)理論基礎(chǔ)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.2 CNN的結(jié)構(gòu)與原理
        2.1.3 CNN的特性
    2.2 經(jīng)典的卷積網(wǎng)絡(luò)模型
        2.2.1 LeNet-5模型
        2.2.2 Alex Net模型
        2.2.3 VGGNet模型
    2.3 全卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 FCN的原理
        2.3.2 激活函數(shù)
        2.3.3 欠擬合與過擬合
        2.3.4 FCN的結(jié)構(gòu)
    2.4 概率圖模型
        2.4.1 概率圖模型的分類
        2.4.2 概率圖模型的參數(shù)估計和推斷
        2.4.3 馬爾科夫網(wǎng)絡(luò)
    2.5 條件隨機(jī)場
        2.5.1 CRF的定義
        2.5.2 CRF的勢函數(shù)
    2.6 精度評價
    2.7 本章小結(jié)
第三章 梯田田塊語義分割數(shù)據(jù)集生成方案
    3.1 梯田田塊語義分割數(shù)據(jù)集的構(gòu)建方案
        3.1.1 數(shù)據(jù)采集
        3.1.2 數(shù)據(jù)預(yù)處理
    3.2 樣本集自動裁剪方案
        3.2.1 實(shí)驗(yàn)環(huán)境
        3.2.2 樣本集自動裁剪
    3.3 樣本集標(biāo)注方案
        3.3.1 實(shí)驗(yàn)環(huán)境
        3.3.2 樣本集標(biāo)注
    3.4 數(shù)據(jù)增強(qiáng)方案
    3.5 本章小結(jié)
第四章 基于FCN的梯田田塊識別
    4.1 基于FCN的梯田田塊識別方法的設(shè)計
        4.1.1 FCN模型構(gòu)建
        4.1.2 主要函數(shù)
        4.1.3 dropout方法
        4.1.4 特征提取的可視化
    4.2 基于FCN的梯田田塊識別方法的實(shí)現(xiàn)
        4.2.1 實(shí)驗(yàn)環(huán)境
        4.2.2 方法流程
        4.2.3 訓(xùn)練過程
    4.3 FCN方法的實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 基于CRF的梯田田塊識別結(jié)果優(yōu)化
    5.1 方法構(gòu)造
        5.1.1 一階勢函數(shù)
        5.1.2 成對勢函數(shù)
        5.1.3 鄰域結(jié)構(gòu)設(shè)計
    5.2 方法流程與函數(shù)求解
        5.2.1 方法流程
        5.2.2 參數(shù)尋優(yōu)
        5.2.3 平均近似場求解法
    5.3 CRF優(yōu)化方法的結(jié)果與分析
    5.4 方法對比
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
個人簡歷


【參考文獻(xiàn)】：
期刊論文
[1]機(jī)載遙感系統(tǒng)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用（英文）[J]. 楊成海.  智慧農(nóng)業(yè)(中英文). 2020(01)
[2]Softmax分類器深度學(xué)習(xí)圖像分類方法應(yīng)用綜述[J]. 萬磊,佟鑫,盛明偉,秦洪德,唐松奇.  導(dǎo)航與控制. 2019(06)
[3]基于地形特征的無人機(jī)遙感梯田影像邊緣提取方法[J]. 楊亞男,康洋,樊曉,常亞棟,張瀚文,張宏鳴.  智慧農(nóng)業(yè). 2019(04)
[4]國家水土保持監(jiān)測點(diǎn)發(fā)展思考[J]. 喬殿新.  中國水土保持. 2019(06)
[5]基于改進(jìn)R-FCN的遙感圖像艦船檢測[J]. 王健林,呂曉琪,張明,李菁.  激光與光電子學(xué)進(jìn)展. 2019(16)
[6]卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展及其在計算機(jī)視覺領(lǐng)域中的應(yīng)用綜述[J]. 陳超,齊峰.  計算機(jī)科學(xué). 2019(03)
[7]無人機(jī)遙感在農(nóng)田信息監(jiān)測中的應(yīng)用進(jìn)展[J]. 紀(jì)景純,趙原,鄒曉娟,宣可凡,王偉鵬,劉建立,李曉鵬.  土壤學(xué)報. 2019(04)
[8]智慧農(nóng)業(yè)發(fā)展現(xiàn)狀及戰(zhàn)略目標(biāo)研究[J]. 趙春江.  智慧農(nóng)業(yè). 2019(01)
[9]農(nóng)業(yè)遙感衛(wèi)星發(fā)展現(xiàn)狀及我國監(jiān)測需求分析[J]. 陳仲新,郝鵬宇,劉佳,安萌,韓波.  智慧農(nóng)業(yè). 2019(01)
[10]基于全卷積神經(jīng)網(wǎng)絡(luò)的云杉圖像分割算法[J]. 陳鋒軍,王成翰,顧夢夢,趙燕東.  農(nóng)業(yè)機(jī)械學(xué)報. 2018(12)

博士論文
[1]結(jié)合深度網(wǎng)絡(luò)與概率圖的連續(xù)動作識別方法研究[D]. 雷軍.國防科技大學(xué) 2017
[2]多源遙感數(shù)據(jù)測繪應(yīng)用關(guān)鍵技術(shù)研究[D]. 芮杰.中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所) 2017
[3]高分辨率遙感影像變化檢測的關(guān)鍵技術(shù)研究[D]. 祝錦霞.浙江大學(xué) 2011

碩士論文
[1]基于深度卷積網(wǎng)的遷移學(xué)習(xí)技術(shù)研究[D]. 王平.大連交通大學(xué) 2018
[2]基于深度學(xué)習(xí)U-Net模型的高分辨率遙感影像分類方法研究[D]. 許慧敏.西南交通大學(xué) 2018
[3]基于面向?qū)ο蠓治龅臒o人機(jī)影像梯田田面提取研究[D]. 薛牡丹.西北農(nóng)林科技大學(xué) 2018
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)估計[D]. 張玉立.哈爾濱工程大學(xué) 2018
[5]基于深度學(xué)習(xí)與條件隨機(jī)場結(jié)合的遙感圖像分類[D]. 夏夢.南京理工大學(xué) 2018
[6]圖像分類中的卷積神經(jīng)網(wǎng)絡(luò)方法研究[D]. 李明威.南京郵電大學(xué) 2016
[7]基于概率圖模型的圖像語義分割技術(shù)研究[D]. 張曉雪.廈門大學(xué) 2014
[8]基于Spot5遙感影像提取水土保持信息的研究[D]. 楊蕾.西北大學(xué) 2006



本文編號：3665041