【摘要】：遙感影像的地類全自動解譯是我國國土資源科學致力攻克的重大技術問題。近年來,隨著以深度學習為代表的機器學習技術的飛速發(fā)展,將深度學習應用到遙感影像的自動解譯,實現(xiàn)盡可能自動化的用地類型識別是目前科研人員重要的研究目標和方向。深度學習對應深度神經網絡(Deep Neural Network,簡稱DNN)工作的前提是深度網絡得到充分的訓練,這一切需要大量的樣本作為訓練數(shù)據(jù)。傳統(tǒng)上,訓練圖像多靠人工獲取,手動標注,費時費力,工作量巨大,且容易受操作人員的工作情緒和工作疏忽的影響;同時,源數(shù)據(jù)資料少、樣本生產難,成為制約深度學習在遙感影像解譯領域廣泛應用的因素。本文基于多樣性、可擴展性的眾源數(shù)據(jù)OSM、土地利用現(xiàn)狀數(shù)據(jù)、手動標注的矢量數(shù)據(jù)及遙感影像數(shù)據(jù),利用軟件ArcGIS Pro導出訓練數(shù)據(jù)工具(Export Training Data for Deep Learning Tool)生產樣例圖像,利用軟件Microsoft SQL Server Management Studio 2008制作了樣例庫,最后利用深度學習模型進行了樣例庫的精度檢驗。本研究的主要研究內容及成果如下:(1)根據(jù)深度學習對遙感影像樣例的基本要求提出本研究的樣例構建原理:a.每個類別都有豐富的數(shù)據(jù);b.對象類別是中國國家土地利用、土地覆蓋分類標準分類體系與OSM類別體系的組合,每個類別的水平旨在進一步提高樣本的多樣性和綜合性;c.土地利用具有不同的類型,按照中國土地分類標準建立,各階層之間存在顯著差異;d.整個系統(tǒng)的識別率高,可以避免模糊對象,提高圖像質量;e.每個類具有不同的成像角度、大小、形狀、顏色以增加樣例多樣性,這可以提高模型泛化性能和魯棒性。(2)綜合OSM(Open Street Map)現(xiàn)有分類體系、中國土地利用分類標準和地理國情普查分類體系構建了本研究的遙感影像樣例庫地物分類體系,包括耕地、園地、林地、草地、房屋建筑(區(qū))、構筑物、鐵路與道路、人工堆掘地、荒漠與裸露地、水域和地理單元11個一級類、28個二級類和25個三級類。(3)該樣例庫包括兩個子樣例庫,單片尺寸分別為128×128像素和256×256像素。其中,128×128樣例庫具有大約19500個圖像的樣本,包含42個子類,平均每個類大約490個圖像;256×256樣例庫具有大約16000個圖像樣本,包含37個子類,平均每個類大約420個圖像。(4)利用構建出的樣例數(shù)據(jù)進行深度學習模型訓練,訓練的精度在99%左右�；谟柧毜哪Ｐ瓦M行分類,精度為98.9%,初步成果令人鼓舞。
【學位授予單位】：甘肅農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：P237;TP751;TP18
【圖文】：

成的樣例數(shù)據(jù)進行精度驗證。第六章，總結與展望，總結研究成果以及需要進一步改進的內容。1.5 研究思路本文首先從影像類別、樣例尺寸、樣例類別、樣例規(guī)模、樣例庫應用場景方面已有的遙感影像樣例庫進行了對比分析，分析了深度學習對遙感樣例的基本要求；次綜合 OSM 現(xiàn)有分類體系、中國土地利用分類標準和地理國情普查分類體系構建本研究的類別體系，基于多樣性、可擴展性的眾源數(shù)據(jù) OSM、土地利用現(xiàn)狀數(shù)據(jù)手動標注的矢量數(shù)據(jù)及甘肅省遙感影像數(shù)據(jù)（多時相、多分辨率、多來源的谷歌影和必應影像），利用軟件 ArcGIS Pro 中的用于深度學習的導出訓練數(shù)據(jù)工具（ExpTraining Data for Deep Learning Tool ）生產樣例圖像，然后利用軟件 Microsoft SQServer Management Studio 2008 制作樣例庫；最后在 TensorFlow 框架下，利用深度習模型進行樣例庫的精度驗證，圖 1-1 顯示了本研究的樣例庫構建流程。

甘肅農業(yè)大學 2019 屆碩士研究生畢業(yè)論文同的紋理、顏色和形狀。它具有很高的空間分辨4]。該數(shù)據(jù)庫包含高度重疊的土地使用類別，如密這些類別主要分布在結構密度上，因此使得數(shù)據(jù)止，該數(shù)據(jù)庫是最流行的，并且已經廣泛用于遙存在一定的缺點，在該數(shù)據(jù)庫中，每個類別的數(shù)體特征的分布，不適合實際地理對象的總體特征。建

甘肅農業(yè)大學 2019 屆碩士研究生畢業(yè)論文ropbox.com/s/j80iv1a0mv-honsa/RSSCN7.zip?d1=0SAT-6AT-6 遙感影像樣例庫由 NAIP（ National Agricultu州的兩個區(qū)域農業(yè)遙感影像，他們的航空影像是、山區(qū)、水和農業(yè)地區(qū)獲得的，樣例庫中的一些 數(shù)據(jù)庫包含龐大的數(shù)據(jù)，包括 500000 和 405000種類型，包括裸露的土壤、植被、草地、道路、房點：別太少，只有六類，在實際應用中達不到遙感圖大小非常小。因此，內部圖像的細節(jié)是不夠的。復雜分布，而且圖像大只包含對象的局部特征。

【相似文獻】

相關期刊論文 前10條

1 蔣理;;以題根研究帶動高中數(shù)學樣例教學[J];福建中學數(shù)學;2017年02期

2 陶忠華;;樣例及其在生物學教學中的應用[J];生物學教學;2017年06期

3 馬俊青;;數(shù)學樣例學習與學生數(shù)學知識形成關系的研究[J];數(shù)學教育學報;2009年04期

4 張嬌嬌;;網絡學習中樣例設計的原則和策略[J];中小學電教;2012年12期

5 張華;韓成秀;;模型樣例的設計和呈現(xiàn)研究在微課教學中的使用[J];黑龍江教育學院學報;2017年07期

6 張奇;;樣例學習理論述評與規(guī)則樣例學習認知理論的建立[J];遼寧師范大學學報(社會科學版);2016年05期

7 張奇;蔡晨;;規(guī)則樣例學習的實驗研究和理論探索[J];心理與行為研究;2015年05期

8 李列;;談促進學生知識建構的樣例學習[J];現(xiàn)代職業(yè)教育;2016年25期

9 黃積才;;幼兒成長啟蒙的鹽田樣例[J];教育;2017年09期

10 朱素華;;數(shù)學樣例遷移的因素分析及策略探討[J];知識文庫;2017年09期

相關會議論文 前10條

1 董成文;張奇;;小學生小組合作規(guī)則樣例學習的遷移效果[A];第二十一屆全國心理學學術會議摘要集[C];2018年

2 強瑞超;韓琴;丁然;吳沛謙;李亞亭;范燕平;寧銳;;樣例啟動對中學生創(chuàng)造性科學問題提出能力的影響[A];第十八屆全國心理學學術會議摘要集——心理學與社會發(fā)展[C];2015年

3 何毅;張奇;;樣例學習專長逆轉效應的影響因素[A];第二十二屆全國心理學學術會議摘要集[C];2019年

4 杜雪嬌;蔡晨;張奇;;“解釋法”與“解釋-標記法”樣例對小學生學習代數(shù)運算規(guī)則的促進[A];第十八屆全國心理學學術會議摘要集——心理學與社會發(fā)展[C];2015年

5 許德志;張奇;;正、誤碳氫共價鍵組合樣例的學習效果[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

6 林洪新;張奇;;關鍵與非關鍵步驟對數(shù)學運算樣例學習遷移效果的影響[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

7 王景玉;徐彤;曲可佳;;學習域知識的熟悉程度和樣例設計對學習濃度百分數(shù)應用題的影響[A];第二十屆全國心理學學術會議--心理學與國民心理健康摘要集[C];2017年

8 張華;張奇;;物體受力分析正誤樣例組合的學習效果[A];第十五屆全國心理學學術會議論文摘要集[C];2012年

9 張奇;;規(guī)則樣例學習認知理論與教學實踐[A];第十九屆全國心理學學術會議摘要集[C];2016年

10 丁艷云;趙俊峰;;不同種類的樣例對初中生代數(shù)問題解決遷移的影響[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

相關重要報紙文章 前2條

1 海南 王敬;滿屏播放AVI文件[N];電腦報;2003年

2 通訊員 詹雅 記者 余敏;杭州智慧醫(yī)療成為全國示范樣例[N];杭州日報;2015年

相關博士學位論文 前10條

1 何毅;樣例學習專長逆轉效應的影響因素[D];遼寧師范大學;2019年

2 趙靜;非均質及樣例材料的形變體仿真算法[D];燕山大學;2017年

3 董成文;小學生小組合作規(guī)則樣例學習的遷移效果[D];遼寧師范大學;2018年

4 趙弘;小學生算術應用題多重變異樣例學習的遷移效果[D];遼寧師范大學;2007年

5 曹瑞;刺激特征數(shù)量和特征突顯度對樣例效應的影響[D];天津師范大學;2008年

6 王蒙;解釋錯誤樣例學習模式的研究[D];華中師范大學;2015年

7 邵光華;數(shù)學樣例學習的理論與實證研究[D];華東師范大學;2003年

8 林洪新;初一學生數(shù)學運算樣例中關鍵步驟的學習研究[D];遼寧師范大學;2009年

9 邢強;樣例解題步驟編碼對原理學習和遷移的影響[D];華南師范大學;2002年

10 張華;中學生物體受力分析正誤樣例組合學習及促進方法的研究[D];遼寧師范大學;2013年

相關碩士學位論文 前10條

1 呂玉娜;面向深度學習的甘肅省遙感影像樣例庫建設[D];甘肅農業(yè)大學;2019年

2 劉爽;學習方式對三種交互水平幾何問題解決遷移效果的影響[D];遼寧師范大學;2019年

3 黃婉茹;個體與合作的兩種樣例學習遷移效果比較[D];遼寧師范大學;2019年

4 鄔宇恩;基于自我解釋效應的樣例學習研究[D];湖南師范大學;2019年

5 王云鵬;任務難度與樣例-問題匹配形式對小學生數(shù)學學習效果的影響[D];魯東大學;2019年

6 王穎;在線樣例形式對數(shù)學運算規(guī)則學習效果的影響[D];魯東大學;2019年

7 王理理;基于學習專長的樣例學習的眼動研究[D];蘇州大學;2018年

8 楊武菊;高中幾何教學中樣例設計的研究[D];云南師范大學;2018年

9 黃玲玉;知識難度、學習形式對大學生樣例學習效果的影響[D];蘇州大學;2018年

10 陳姿宏;漸省樣例對學習遷移的影響研究[D];南京師范大學;2018年

本文編號：2766058