【摘要】：深度學(xué)習(xí)通過對數(shù)據(jù)特征的自動提取和訓(xùn)練,旨在建立模擬人腦思維的神經(jīng)網(wǎng)絡(luò)。針對于遙感圖像數(shù)據(jù)量大的特點(diǎn),將深度學(xué)習(xí)理論技術(shù)應(yīng)用到遙感圖像處理中是遙感領(lǐng)域亟待解決的新興問題。研究農(nóng)業(yè)中的農(nóng)田目標(biāo),可以為農(nóng)業(yè)產(chǎn)量預(yù)測、資源分配、農(nóng)作物分類和農(nóng)業(yè)經(jīng)濟(jì)規(guī)劃等提供重要的參考和服務(wù)。中心支軸式噴灌系統(tǒng)通過一個帶有輪子的噴灌管道,圍繞一個中心點(diǎn)使用灑水器給農(nóng)作物澆水,從空中鳥瞰呈現(xiàn)獨(dú)特的圓形或者扇形。該灌溉方式需要昂貴的液壓技術(shù)和電力技術(shù)等的支持,可以實(shí)現(xiàn)農(nóng)田的自動化灌溉,商業(yè)化程度高,目前在許多國家地區(qū)得到廣泛應(yīng)用。本論文主要以非洲贊比亞為研究區(qū),以哨兵2A衛(wèi)星2017.1-2018.8年云量少于10%的多光譜圖像為數(shù)據(jù)來源,制作數(shù)據(jù)集并利用目標(biāo)檢測網(wǎng)絡(luò)對中心支軸式噴灌農(nóng)田進(jìn)行檢測,然后在檢測框范圍內(nèi)提取出農(nóng)田,最后將所有農(nóng)田制作成瓦片地圖,并發(fā)布到開發(fā)的農(nóng)業(yè)遙感信息平臺上。主要內(nèi)容如下:1)研究傳統(tǒng)遙感圖像處理方法,用以提取圖像中的中心支軸式噴灌農(nóng)田,包括基于可變區(qū)域的幾何有效輪廓方法,霍夫變換等,并結(jié)合兩種方法提取農(nóng)田,發(fā)現(xiàn)錯誤提取不是農(nóng)田的目標(biāo),并粗略探討了基于像元點(diǎn)遙感圖像方法容易受到其他像元點(diǎn)影響的共性問題。2)研究神經(jīng)網(wǎng)絡(luò)原理,以及基于候選區(qū)域的目標(biāo)檢測網(wǎng)絡(luò),R-CNN,Fast R-CNN和Faster R-CNN。然后根據(jù)哨兵2A的多光譜圖像制作了Pascal Voc格式的數(shù)據(jù)集,并利用Faster R-CNN在制作的圖像數(shù)據(jù)集上訓(xùn)練測試,發(fā)現(xiàn)對于小目標(biāo)農(nóng)田有比較嚴(yán)重的漏檢現(xiàn)象。3)針對Faster R-CNN的漏檢現(xiàn)象,對Faster R-CNN模型進(jìn)行了改進(jìn)。針對小目標(biāo)農(nóng)田的大小尺寸,將錨點(diǎn)的尺寸從默認(rèn)的{128~2,252~2,512~2}改為{32~2,64~2,96~2,128~2},從而能準(zhǔn)確的檢測到較小的農(nóng)田,改進(jìn)后網(wǎng)絡(luò)測試的準(zhǔn)確率、召回率、AP分別達(dá)到88.13%,98.96%,90.66%。針對小目標(biāo)農(nóng)田檢測結(jié)果進(jìn)行分析,發(fā)現(xiàn)改進(jìn)后,面積小于1600px的小目標(biāo)農(nóng)田檢測召回率由66.7%提升至86.3%,面積小于2500px的由94.3%提升至97.7%。4)在目標(biāo)檢測的檢測框內(nèi)利用基于可變區(qū)域的幾何有效輪廓方法和霍夫變換提取農(nóng)田,從而屏蔽了農(nóng)田目標(biāo)范圍外其他地物的影響,從而可以準(zhǔn)確的提取出農(nóng)田,2017年的結(jié)果準(zhǔn)確率和召回率達(dá)到91.79%和93.44%,2018年的達(dá)到89.59%,94.02%。5)利用GDAL類庫將提取結(jié)果制作成瓦片地圖,然后利用Django、Openlayers等框架以及前端相關(guān)技術(shù)棧開發(fā)農(nóng)業(yè)遙感信息平臺,最終將瓦片地圖發(fā)布到該系統(tǒng)平臺上。
【圖文】：

2.1 植被指數(shù)農(nóng)田提取方法研究2.1.1 植被指數(shù)在遙感圖像中，，已知植被的光譜反射曲線如圖2-1。圖 2-1 植被光譜反射率曲線從圖中可看出，植被在近紅外波段和紅光波段的光譜反射率有著較大差異，因此在遙感應(yīng)用中出現(xiàn)植被指數(shù)這一概念[33]。比值植被指數(shù)是較早被提出的一種，定義如公式 2-1。NIRRDNRVIDN= (2-1)其中 DN 為遙感圖像中像素點(diǎn)的輻射亮度值，DNnir 表示近紅外波段的輻射亮度值，DNr 表示紅光波段的輻射亮度值。然而對于地表植被濃密的地物，從圖 2-1中可以看出紅光的反射率很小，其輻射亮度也相應(yīng)的很小，那么由公式 2-1 可知其值將變得很大，甚至趨近無窮大。為了避免這種情況，則考慮將植被指數(shù)進(jìn)行非線性的歸一化

圖 2-2 X-Y 平面點(diǎn)在 a-b-r 空間同一圓上的點(diǎn)則對應(yīng)于參數(shù)空間中無數(shù)的圓交于一點(diǎn)0 0 0( a , b , r )。因此通過判斷多個點(diǎn)空間的圓，同時也可以得到圓的參數(shù)，如圖
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP751;TP18;S275.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 趙萍,馮學(xué)智,王雷,趙書河;江南丘陵區(qū)土地利用/覆被分類[J];南京大學(xué)學(xué)報(自然科學(xué)版);2003年03期

相關(guān)碩士學(xué)位論文 前1條

1 張鶴鶴;區(qū)域卷積神經(jīng)網(wǎng)絡(luò)在車輛檢測中的應(yīng)用研究[D];西安理工大學(xué);2018年

本文編號：2590233