本文關(guān)鍵詞：結(jié)合水體指數(shù)與卷積神經(jīng)網(wǎng)絡(luò)的遙感水體提取　出處：《遙感信息》2017年05期 　論文類型：期刊論文

  更多相關(guān)文章： 深度學(xué)習(xí) 歸一化差分水體指數(shù) 卷積神經(jīng)網(wǎng)絡(luò) 水體提取 空譜聯(lián)合

【摘要】：常用多光譜遙感水體提取少有兼顧光譜與空間信息,致使水體提取的可靠性和準(zhǔn)確性難以保證。在利用遙感水體光譜特性的同時,融入深度學(xué)習(xí)算法,提出歸一化差分水體指數(shù)(normalized difference water index,NDWI)與深度學(xué)習(xí)聯(lián)合的遙感水體提取方法。該方法首先選取典型水體樣本進(jìn)行訓(xùn)練,構(gòu)建深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)水體識別模型。其次,計算多光譜影像NDWI指數(shù)并分割成圖斑,以圖斑包絡(luò)矩形構(gòu)建初始的水體目標(biāo)子區(qū)。最后,構(gòu)建NDWI指數(shù)與CNN水體識別概率的聯(lián)合估計模型,并以迭代運(yùn)算實(shí)現(xiàn)最優(yōu)化遙感水體提取。實(shí)驗(yàn)驗(yàn)證了該方法的高可靠性與準(zhǔn)確性。相比常用方法,水體識別準(zhǔn)確率高達(dá)94.19%,而錯分率僅為5.04%,顯著提高了水體提取精度。
[Abstract]:It is difficult to guarantee the reliability and accuracy of the multi-spectral remote sensing water body extraction, which makes it difficult to ensure the reliability and accuracy of the multi-spectral remote sensing water body extraction. At the same time, the depth learning algorithm is incorporated into the remote sensing water body spectral characteristics. A normalized difference water index is proposed. NDWI) and depth learning method for remote sensing water body extraction. Firstly, the typical water samples are selected for training. Construct the model of convolutional neural networks and CNNs. Secondly. The NDWI exponent of multispectral image is calculated and divided into speckles, and the initial target area of water body is constructed by using the image patch envelope rectangle. Finally, the joint estimation model of NDWI exponent and CNN water body recognition probability is constructed. Iterative operation is used to optimize remote sensing water extraction. The experimental results show that this method has high reliability and accuracy. Compared with common methods, the accuracy of water body recognition is as high as 94.19%. However, the error rate was only 5.04, which significantly improved the precision of water extraction.
【作者單位】： 東華理工大學(xué)測繪工程學(xué)院;流域生態(tài)與地理環(huán)境監(jiān)測國家測繪地理信息局重點(diǎn)實(shí)驗(yàn)室;武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院;東華理工大學(xué)水資源與環(huán)境工程學(xué)院;
【基金】：國家自然科學(xué)基金(41401526) 江西省自然科學(xué)基金(20171BAB213025) 流域生態(tài)與地理環(huán)境監(jiān)測國家測繪地理信息局重點(diǎn)實(shí)驗(yàn)室資助課題(WE2015003) 江西省教育廳科技項目 江西省高等學(xué)�？萍悸涞赜媱濏椖�(KJLD14049)
【分類號】：TP183;TP751
【正文快照】： 0引言地表水體的形成與擴(kuò)張、萎縮與消失是區(qū)域氣候變化和生態(tài)環(huán)境演化的重要影響因素[1]。精準(zhǔn)地提取水體信息,為區(qū)域生態(tài)環(huán)境時空演化規(guī)律研究提供必要的數(shù)據(jù)支撐,對于水資源調(diào)查、水利規(guī)劃、流域治理、洪水監(jiān)測與災(zāi)后評估具有重要意義。迄今為止,國內(nèi)外許多研究人員對遙感

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃洪鐘,李海濱;有限元的神經(jīng)網(wǎng)絡(luò)計算方法研究[J];機(jī)械強(qiáng)度;2003年03期

2 彭磊;田麗;;基于神經(jīng)網(wǎng)絡(luò)消除噪聲技術(shù)的研究[J];黑龍江科技信息;2009年16期

3 林建輝,陳建政,陳琳;基于神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)子動力系統(tǒng)穩(wěn)定性辨識[J];機(jī)械科學(xué)與技術(shù);1999年02期

4 熊日華,王世昌;神經(jīng)網(wǎng)絡(luò)在膜技術(shù)中的應(yīng)用[J];膜科學(xué)與技術(shù);2003年06期

5 高強(qiáng);錢林方;侯遠(yuǎn)龍;王力;;泵控缸電液位置伺服系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制[J];機(jī)床與液壓;2008年06期

6 緱新科;崔明月;;神經(jīng)網(wǎng)絡(luò)-遺傳算法在振動控制系統(tǒng)中的應(yīng)用[J];機(jī)械設(shè)計與制造;2009年08期

7 于祥;趙冬至;張豐收;肖忠峰;;基于神經(jīng)網(wǎng)絡(luò)的紅樹林景觀特性遙感提取技術(shù)研究[J];海洋環(huán)境科學(xué);2007年06期

8 國蓉;何鎮(zhèn)安;;基于多級神經(jīng)網(wǎng)絡(luò)的被動聲定位算法研究[J];計算機(jī)應(yīng)用研究;2011年06期

9 石小云;;基于SOM神經(jīng)網(wǎng)絡(luò)的靜止衛(wèi)星云圖分類[J];電子設(shè)計工程;2011年16期

10 丁國良,張春路,李灝;神經(jīng)網(wǎng)絡(luò)在空調(diào)器仿真中的應(yīng)用研究[J];制冷學(xué)報;1999年02期

相關(guān)會議論文 前10條

1 徐慧;徐海樵;張必銀;;基于LVQ神經(jīng)網(wǎng)絡(luò)的水聲目標(biāo)識別技術(shù)[A];中國造船工程學(xué)會電子技術(shù)學(xué)術(shù)委員會——2012年水下復(fù)雜戰(zhàn)場環(huán)境目標(biāo)識別與對抗及仿真技術(shù)學(xué)術(shù)交流論文集[C];2012年

2 張彼德;;汽輪發(fā)電機(jī)組振動多故障診斷的神經(jīng)網(wǎng)絡(luò)方法研究[A];第八屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集摘要[C];2003年

3 金鳳;;基于神經(jīng)網(wǎng)絡(luò)與理想解的多屬性決策[A];第四屆全國船舶與海洋工程學(xué)術(shù)會議論文集[C];2009年

4 吳寶志;袁曉梅;;基于神經(jīng)網(wǎng)絡(luò)的汽車空調(diào)系統(tǒng)變工況運(yùn)行的仿真研究[A];第九屆全國冷水機(jī)組與熱泵技術(shù)學(xué)術(shù)會議論文集[C];1999年

5 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自適應(yīng)控制[A];液壓與氣動學(xué)術(shù)研討會論文集[C];2004年

6 于洪潔;彭建華;;具有非線性耦合函數(shù)的HR神經(jīng)網(wǎng)絡(luò)的混沌同步[A];中國力學(xué)學(xué)會學(xué)術(shù)大會'2005論文摘要集（下）[C];2005年

7 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自適應(yīng)控制[A];第三屆全國流體傳動及控制工程學(xué)術(shù)會議論文集（第三卷）[C];2004年

8 王祥厚;李程遠(yuǎn);;臺階爆破巖石塊度預(yù)測的神經(jīng)網(wǎng)絡(luò)[A];第七屆全國工程爆破學(xué)術(shù)會議論文集[C];2001年

9 潘濱;陳劍平;李曉茹;;改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在巖質(zhì)邊坡穩(wěn)定性分析中的應(yīng)用[A];第八屆全國工程地質(zhì)大會論文集[C];2008年

10 鐘小麗;謝菠蓀;;使用神經(jīng)網(wǎng)絡(luò)進(jìn)行中垂面頭相關(guān)傳輸函數(shù)外插[A];中國聲學(xué)學(xué)會2005年青年學(xué)術(shù)會議[CYCA'05]論文集[C];2005年

相關(guān)博士學(xué)位論文 前2條

1 李廣博;Fourier正交基神經(jīng)網(wǎng)絡(luò)加權(quán)響應(yīng)面法的結(jié)構(gòu)可靠性分析[D];吉林大學(xué);2014年

2 李英偉;基于增量改進(jìn)BP神經(jīng)網(wǎng)絡(luò)微波深度干燥模型及應(yīng)用研究[D];昆明理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 吳航;基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像配準(zhǔn)方法[D];南昌大學(xué);2015年

2 黃偉明;基于神經(jīng)網(wǎng)絡(luò)的LED可靠性分析模型研究[D];華南理工大學(xué);2016年

3 宋欣益;基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜數(shù)據(jù)分類方法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 王艦鋒;基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云量計算[D];南京信息工程大學(xué);2016年

5 邢凱;基于神經(jīng)網(wǎng)絡(luò)和Contourlet的遙感圖像分類處理[D];黑龍江大學(xué);2016年

6 王杰;基于遺傳算法神經(jīng)網(wǎng)絡(luò)的某制冷空調(diào)系統(tǒng)性能預(yù)測研究[D];華中科技大學(xué);2015年

7 孟春林;神經(jīng)網(wǎng)絡(luò)PID在熱交換器中的應(yīng)用[D];太原科技大學(xué);2009年

8 董航飛;基于神經(jīng)網(wǎng)絡(luò)的中央空調(diào)溫度控制研究[D];揚(yáng)州大學(xué);2009年

9 石小云;基于神經(jīng)網(wǎng)絡(luò)方法的衛(wèi)星圖像云分類[D];中國海洋大學(xué);2012年

10 馬玉秀;神經(jīng)網(wǎng)絡(luò)在激光遙感鑒別海面溢油中的應(yīng)用[D];大連海事大學(xué);2006年

，

本文編號：1429181