本文關(guān)鍵詞：基于CNN模型的高分辨率遙感圖像目標(biāo)識(shí)別

  更多相關(guān)文章： 遙感圖像 卷積神經(jīng)網(wǎng)絡(luò) 激活函數(shù) 卷積展開(kāi) 目標(biāo)識(shí)別

【摘要】：遙感圖像目標(biāo)識(shí)別作為當(dāng)前遙感圖像應(yīng)用領(lǐng)域中的主要研究?jī)?nèi)容,具有重要的理論意義和廣泛的應(yīng)用價(jià)值。近年來(lái),深度學(xué)習(xí)成為機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)新興研究方向,卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)是一種得到廣泛研究與應(yīng)用的深度學(xué)習(xí)模型。提出一種基于CNN模型的光學(xué)遙感圖像目標(biāo)識(shí)別方法,在傳統(tǒng)LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上,引入ReLU激活函數(shù)代替?zhèn)鹘y(tǒng)的Sigmoid函數(shù)和tanh函數(shù),使用卷積展開(kāi)技術(shù)將卷積運(yùn)算轉(zhuǎn)換為矩陣乘法,并對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行調(diào)整優(yōu)化,提高目標(biāo)識(shí)別的準(zhǔn)確性和效率。利用Quick Bird上的0.6m分辨率的遙感圖像進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明,基于改進(jìn)的CNN模型的方法可以取得較高的目標(biāo)識(shí)別準(zhǔn)確率和效率。
【作者單位】： 中國(guó)科學(xué)院電子學(xué)研究所空間信息處理與應(yīng)用系統(tǒng)技術(shù)重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 遙感圖像 卷積神經(jīng)網(wǎng)絡(luò) 激活函數(shù) 卷積展開(kāi) 目標(biāo)識(shí)別
【分類(lèi)號(hào)】：TP391;;TN911.73
【正文快照】： 1引言隨著遙感技術(shù)的不斷進(jìn)步,遙感圖像的空間分辨率也在穩(wěn)步提高,人們可以獲得越來(lái)越多的高分辨率遙感圖像。因此,在大數(shù)據(jù)條件下的高分辨率遙感圖像目標(biāo)識(shí)別就顯得尤為重要。遙感圖像目標(biāo)識(shí)別已被廣泛研究,許多研究學(xué)者主要使用人工提取圖像特征進(jìn)行目標(biāo)識(shí)別的方法。比如局

【相似文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 王宇;鐘秋海;;用統(tǒng)計(jì)模式識(shí)別方法建立海上目標(biāo)識(shí)別的數(shù)學(xué)模型[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

2 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚(yú)雷目標(biāo)識(shí)別[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

3 李夕海;趙克;慕曉冬;劉代志;;目標(biāo)識(shí)別中的特征相空間吸引子分析[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

4 馮杰;蓋強(qiáng);古軍峰;;模糊聚類(lèi)分析方法在海上目標(biāo)識(shí)別中的應(yīng)用[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

5 趙克;劉代志;慕曉東;蘇娟;;目標(biāo)識(shí)別的特征量約束[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

6 李正東;陳興無(wú);宋琛;何武良;;多傳感器的目標(biāo)識(shí)別[A];中國(guó)工程物理研究院科技年報(bào)（1999）[C];1999年

7 郭相科;劉進(jìn)忙;曹學(xué)斌;張玉鵬;;子類(lèi)獨(dú)立分量分析在聲目標(biāo)識(shí)別中的應(yīng)用[A];中國(guó)聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（上）[C];2007年

8 張翠;高廣春;趙勝穎;;基于時(shí)間融合算法的近程目標(biāo)識(shí)別[A];2011下一代自動(dòng)測(cè)試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

9 俞鴻波;趙榮椿;;三維空間目標(biāo)識(shí)別概述[A];信號(hào)與信息處理技術(shù)——第一屆信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

10 曹健;陳紅倩;毛典輝;李海生;蔡強(qiáng);;基于局部特征的圖像目標(biāo)識(shí)別問(wèn)題綜述[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前2條

1 莫衍崴 特約記者劉謙;上士白光斌:電話傳音排故障[N];戰(zhàn)士報(bào);2012年

2 陳德潮邋本報(bào)特約通訊員 曹金平 劉劍;為潛艇鑄“魂”[N];解放軍報(bào);2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 肖永生;射頻隱身雷達(dá)信號(hào)設(shè)計(jì)與目標(biāo)識(shí)別研究[D];南京航空航天大學(xué);2014年

2 崔宗勇;合成孔徑雷達(dá)目標(biāo)識(shí)別理論與關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

3 丁軍;基于稀疏理論的SAR圖像目標(biāo)識(shí)別研究[D];西安電子科技大學(xué);2015年

4 韓靜;基于仿生視覺(jué)模型和復(fù)雜信息學(xué)習(xí)的多光譜夜視目標(biāo)識(shí)別技術(shù)[D];南京理工大學(xué);2014年

5 王海羅;基于視覺(jué)感知的無(wú)人機(jī)目標(biāo)識(shí)別與跟蹤技術(shù)研究[D];北京理工大學(xué);2015年

6 黃璇;多源引導(dǎo)信息融合及其關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

7 舒銳;衛(wèi)星目標(biāo)識(shí)別與特征參數(shù)提取方法研究[D];哈爾濱工業(yè)大學(xué);2010年

8 張池平;多傳感器信息融合方法及其在空間目標(biāo)識(shí)別中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2006年

9 李彥鵬;自動(dòng)目標(biāo)識(shí)別效果評(píng)估[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

10 賈宇平;基于信任函數(shù)理論的融合目標(biāo)識(shí)別研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 許俊峰;基于模型的任意視點(diǎn)下三維目標(biāo)識(shí)別研究[D];南京航空航天大學(xué);2015年

2 李建;毫米波輻射計(jì)目標(biāo)識(shí)別性能測(cè)試系統(tǒng)研究[D];南京理工大學(xué);2015年

3 陳晨;紅外/毫米波復(fù)合信號(hào)處理方法及電路設(shè)計(jì)[D];南京理工大學(xué);2015年

4 王玉君;基于遠(yuǎn)紅外熱像儀的地面機(jī)動(dòng)目標(biāo)識(shí)別[D];沈陽(yáng)理工大學(xué);2015年

5 姚國(guó)偉;基于高分辨距離像的艦船目標(biāo)識(shí)別研究[D];哈爾濱工業(yè)大學(xué);2015年

6 周偉峰;基于神經(jīng)網(wǎng)絡(luò)的單目機(jī)器人目標(biāo)識(shí)別定位研究[D];安徽工程大學(xué);2015年

7 譚敏潔;基于壓縮感知的雷達(dá)一維距離像目標(biāo)識(shí)別[D];電子科技大學(xué);2015年

8 王翔;基于局部神經(jīng)反應(yīng)的目標(biāo)識(shí)別研究[D];華中師范大學(xué);2015年

9 劉巍;基于非均勻采樣圖像的目標(biāo)識(shí)別與跟蹤算法研究[D];北京理工大學(xué);2015年

10 田兵兵;基于核函數(shù)的SAR圖像目標(biāo)識(shí)別研究[D];電子科技大學(xué);2015年

，

本文編號(hào)：1116537