遙感圖像識(shí)別算法在軍事領(lǐng)域和民用領(lǐng)域均有重要作用,典型遙感圖像識(shí)別算法在識(shí)別新類(lèi)別前需要大量的標(biāo)記樣本和訓(xùn)練時(shí)間,給實(shí)際應(yīng)用帶來(lái)不便。通過(guò)少量甚至單張標(biāo)記樣本使得算法快速獲得對(duì)新類(lèi)別的識(shí)別能力,在遙感圖像分析領(lǐng)域具有重要意義。本文將少樣本對(duì)象識(shí)別算法引入遙感圖像領(lǐng)域中,著重研究基于關(guān)系網(wǎng)絡(luò)(Relation Network,RN)的遙感圖像少樣本對(duì)象識(shí)別算法。針對(duì)RN特征融合方式過(guò)于簡(jiǎn)單導(dǎo)致類(lèi)別特征權(quán)重分配不合理,影響識(shí)別準(zhǔn)確率的問(wèn)題,提出了基于自學(xué)習(xí)特征融合的RN模型(MRN),設(shè)計(jì)了自學(xué)習(xí)的特征融合模塊提取類(lèi)別特征,削弱無(wú)效特征權(quán)重,保證類(lèi)別特征的有效性。在特征度量階段,為了進(jìn)一步提高識(shí)別的準(zhǔn)確率,提出了基于分組特征度量的MRN模型(MSRN)。對(duì)不同類(lèi)別特征做出分組約束,增大不同類(lèi)別樣本在特征空間上的間距,增強(qiáng)分類(lèi)器的穩(wěn)定性。在實(shí)際應(yīng)用中遙感圖像數(shù)據(jù)來(lái)源多樣,數(shù)據(jù)分布域存在差異,模型的域適應(yīng)性直接影響識(shí)別精度。本文將Mixup數(shù)據(jù)增強(qiáng)模塊引入MSRN增加訓(xùn)練樣本的多樣性,并修改損失函數(shù)對(duì)模型進(jìn)行正則化約束,增強(qiáng)模型的泛化能力和識(shí)別精度。針對(duì)MSRN對(duì)樣本分辨率敏感與實(shí)際情況中遙感圖像分辨率復(fù)雜多變這一現(xiàn)實(shí)問(wèn)題,提出了基于殘差等射變換的MSRN(Res-MSRN)。Res-MSRN通過(guò)引入殘差等射變換結(jié)構(gòu)來(lái)修正提取到的樣本特征,并利用分辨率系數(shù)來(lái)拓展低分辨率樣本有效特征信息,在保證識(shí)別準(zhǔn)確率的基礎(chǔ)上提高了算法在不同分辨率樣本上的穩(wěn)定性。最后在公開(kāi)遙感圖像數(shù)據(jù)集上將本文提出的模型與其他最新的少樣本對(duì)象識(shí)別方法進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明本文提出的Res-MSRN在識(shí)別精度上優(yōu)于其他方法,并且具有較高的泛化能力和分辨率穩(wěn)定性。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：TP751
【部分圖文】：

這些方法的解決范圍。樣本存在較大差異類(lèi)別時(shí)可能存在所給的相同類(lèi)別樣本之間具有較大差異。如圖 1-1 所括：顏色差異、形狀差異、光照差異、角度差異、部分遮擋等等。這的類(lèi)別特征的有效性提出了更高的要求。標(biāo)記樣本 測(cè)試樣本（a1）對(duì)照樣本 （b1）顏色差異 （c1）形狀差異 （d1）光照差異（a2）對(duì)照樣本 （b2）顏色差異 （c2）數(shù)量差異 （d2）角度差異

（a3）濕地 （b3）湖泊圖 1-2 不同類(lèi)別相似樣本示意圖分辨率不高或者樣本尺度過(guò)小像由于成像技術(shù)和拍攝位置等原因可能出現(xiàn)圖像分辨率不高況，如圖 1-3 所示。在識(shí)別網(wǎng)絡(luò)中輸入圖像尺度相同，小分辨率問(wèn)題，因此模型的分辨率穩(wěn)定性顯得尤為重要。a1）飛機(jī)樣本 （b1）小尺度飛機(jī)圖 （c1）低分辨率飛機(jī)

中 科 技 大 學(xué) 碩 士 學(xué) 位 論 調(diào)整。從一個(gè)多任務(wù)訓(xùn)練集中取樣得到許多不同目標(biāo)問(wèn)微調(diào)解決每一個(gè)問(wèn)題，并且在每個(gè)目標(biāo)問(wèn)題的成功將一個(gè)易于微調(diào)的初始狀態(tài)�；谠獙W(xué)習(xí)的少樣本對(duì)象僅有一個(gè)良好的模型初始化而且有一個(gè)經(jīng)過(guò)專(zhuān)門(mén)訓(xùn)練的化器對(duì)網(wǎng)絡(luò)進(jìn)行有效微調(diào)[16]。然而這兩種方法都需要下，本文的算法用一種完全前向的方式解決了目標(biāo)識(shí)別有效的滿足低時(shí)延和低功耗要求。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉增偉;;關(guān)于遙感圖像云檢測(cè)方法研究進(jìn)展[J];數(shù)字通信世界;2019年04期

2 徐秋曄;李玉;林文杰;趙泉華;;基于信息聚類(lèi)的遙感圖像分割[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2017年01期

3 彭晏飛;周娟;訾玲玲;;于衛(wèi)星地域遙感圖像分割方法研究仿真[J];計(jì)算機(jī)仿真;2017年01期

4 盛啟慧;李啟明;;航空遙感圖像幾何校正模型的效果比較[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2017年17期

5 劉寧波;孫艷麗;王杰;;基于場(chǎng)景語(yǔ)義的遙感圖像目標(biāo)識(shí)別[J];現(xiàn)代電子技術(shù);2017年11期

6 王超英;;統(tǒng)計(jì)學(xué)習(xí)在海上遙感圖像背景去噪的算法研究[J];艦船科學(xué)技術(shù);2017年12期

7 姚銳;付卓新;;關(guān)于森林資源二類(lèi)調(diào)查中遙感圖像的應(yīng)用分析[J];北京農(nóng)業(yè);2016年01期

8 李哲學(xué);;改進(jìn)高斯混合模型的遙感圖像增強(qiáng)方法[J];激光雜志;2016年07期

9 雷笑笑;;試論遙感圖像在師范地理教學(xué)中的應(yīng)用[J];山西青年;2017年03期

10 舒建文;周云真;;航空遙感圖像中道路檢測(cè)方法研究與仿真[J];計(jì)算機(jī)仿真;2013年09期

相關(guān)會(huì)議論文 前10條

1 李剛;張金榮;朱雷;汪林林;;基于多方向模糊形態(tài)學(xué)的彩色遙感圖像邊緣檢測(cè)算法[A];2009年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊(cè))[C];2009年

2 王耀南;王紹源;孫煒;;基于二次規(guī)劃的神經(jīng)網(wǎng)絡(luò)遙感圖像的恢復(fù)[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

3 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢(xún)的研究與實(shí)踐[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

4 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動(dòng)鑲嵌技術(shù)[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

5 彭Z

本文編號(hào)：2811239