遙感影像分類是遙感數(shù)字處理中至關(guān)重要的環(huán)節(jié)。通過遙感影像分類,遙感影像轉(zhuǎn)換為可被計算機理解并處理的地物分類信息,能夠為高層應(yīng)用提供支持。遙感影像分類使用的傳統(tǒng)機器學習方法,需要對數(shù)據(jù)進行繁重的特征分析和提取工作,不僅對數(shù)據(jù)表示有相對嚴格的要求,而且各方法都有其特殊的應(yīng)用限制,局限性明顯。近來發(fā)展的深度學習技術(shù)能夠極大地克服這種局限性。深度卷積神經(jīng)網(wǎng)絡(luò)（DCNNs）是圖像處理領(lǐng)域表現(xiàn)最為優(yōu)異的深度學習模型。因為遙感與圖像處理技術(shù)密切相關(guān),所以借鑒DCNNs在圖像處理領(lǐng)域的成功經(jīng)驗,把該技術(shù)應(yīng)用到遙感影像分類究,極具可行性和研究價值。本文主要研究DCNNs在遙感影像分類中的應(yīng)用,重點研究了如下內(nèi)容:1)對傳統(tǒng)遙感影像分類方法的從原理上進行了研究;分析并總結(jié)了監(jiān)督和非監(jiān)督算法的優(yōu)缺點,以便與DCNNs進行比較研究;研究了分類精度評價的原理和幾種方法的優(yōu)缺點,為實驗中合理使用這些方法提供理論指導。2)本文從數(shù)學原理、網(wǎng)絡(luò)結(jié)構(gòu)的角度,對人工神經(jīng)網(wǎng)絡(luò)和DCNNs進行了研究和分析,重點研究了 DCNNs的關(guān)鍵技術(shù)。介紹了 LeNet、AlexNet、GoogleNet、R-CNN以及FCN等模型,以... 

【文章來源】：中國地質(zhì)大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：155 頁

【學位級別】：博士

【文章目錄】：
中文摘要
Abstract
第1章 引言
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究進展
        1.2.1 遙感影像分類智能化技術(shù)
        1.2.2 DCNNs
        1.2.3 DCNNs在遙感影像分類的應(yīng)用
        1.2.4 總結(jié)
    1.3 研究內(nèi)容、技術(shù)路線及研究方法
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
        1.3.3 研究方法
    1.4 本文的結(jié)構(gòu)安排
第2章 遙感影像分類基本理論及方法
    2.1 遙感技術(shù)簡介
    2.2 遙感影像數(shù)據(jù)格式
        2.2.1 多波段通用二進制存儲格式
        2.2.2 圖片格式
        2.2.3 格式轉(zhuǎn)換
    2.3 遙感影像分類算法
        2.3.1 非監(jiān)督分類算法
        2.3.2 監(jiān)督分類算法
    2.4 分類精度評價方法
        2.4.1 混淆矩陣
        2.4.2 Kappa分析法
    2.5 本章小結(jié)
第3章 深度卷積神經(jīng)網(wǎng)絡(luò)基本理論
    3.1 深度學習簡介
    3.2 深度學習發(fā)展史
    3.3 人工神經(jīng)網(wǎng)絡(luò)
        3.3.1 人工神經(jīng)元
        3.3.2 經(jīng)典激活函數(shù)
        3.3.3 單隱層前饋神經(jīng)網(wǎng)絡(luò)
        3.3.4 多隱層前饋神經(jīng)網(wǎng)絡(luò)
        3.3.5 反向傳播算法
    3.4 卷積神經(jīng)網(wǎng)絡(luò)
        3.4.1 卷積的概念
        3.4.2 卷積神經(jīng)網(wǎng)絡(luò)
        3.4.3 DCNNs模型介紹
    3.5 本章小結(jié)
第4章 深度卷積神經(jīng)網(wǎng)絡(luò)關(guān)鍵技術(shù)研究
    4.1 卷積
        4.1.1 二維卷積及互相關(guān)
        4.1.2 卷積的作用
    4.2 梯度下降法的問題及改進算法
        4.2.1 梯度下降法的鞍點、極值等問題
        4.2.2 帶動量梯度下降法
        4.2.3 其它改進算法
    4.3 激活函數(shù)與梯度消失問題
        4.3.1 非線性變換
        4.3.2 梯度消失問題及解決
    4.4 池化
    4.5 DCNNs模型設(shè)計和訓練
        4.5.1 誤差分析
        4.5.2 欠擬合與過擬合
        4.5.3 規(guī)范化
        4.5.4 提前停止
        4.5.5 隨機失活(Dropout)
    4.6 本章小結(jié)
第5章 一種復(fù)數(shù)域的DCNNs模型及SAR影像分類應(yīng)用
    5.1 動機
    5.2 數(shù)據(jù)分析
    5.3 基于Patch的DCNNs模型
        5.3.1 模型設(shè)計原則
        5.3.2 設(shè)計思路及模型架構(gòu)
        5.3.3 模型處理流程
        5.3.4 復(fù)數(shù)域DCNNs
    5.4 實驗結(jié)果與分析
        5.4.1 數(shù)據(jù)集
        5.4.2 實驗環(huán)境
        5.4.3 訓練
        5.4.4 結(jié)果與分析
    5.5 本章小結(jié)
第6章 一種端到端的DCNNs模型及遙感影像分類應(yīng)用
    6.1 動機
    6.2 DCNNs實現(xiàn)語義分割的關(guān)鍵技術(shù)
        6.2.1 全連接層轉(zhuǎn)換為卷積層
        6.2.2 上采樣
        6.2.3 重構(gòu)
        6.2.4 基于FCN思想的其它模型
    6.3 一種端到端的DCNNs模型
        6.3.1 需求分析
        6.3.2 設(shè)計原則
        6.3.3 設(shè)計思路
        6.3.4 設(shè)計實現(xiàn)
    6.4 實驗結(jié)果與分析
        6.4.1 數(shù)據(jù)集
        6.4.2 實驗環(huán)境
        6.4.3 訓練
        6.4.4 結(jié)果與分析
    6.5 本章小結(jié)
第7章 結(jié)論與認識
    7.1 主要工作與結(jié)論
        7.1.1 主要工作
        7.1.2 主要結(jié)論
    7.2 展望
致謝
參考文獻
附錄
    個人簡歷
    攻讀博士期間公開發(fā)表的主要學術(shù)論文


【參考文獻】：
期刊論文
[1]應(yīng)用監(jiān)督近鄰重構(gòu)分析的高光譜遙感數(shù)據(jù)特征提取[J]. 方敏,王君,王紅艷,李天涯.  紅外與激光工程. 2016(10)
[2]基于多特征融合的遙感圖像特征提取方法[J]. 孫紅巖.  計算機仿真. 2016(10)
[3]SVM和ANN在多光譜遙感影像分類中的比較研究[J]. 李穎,李耀輝,王金鑫,張成才.  海洋測繪. 2016(05)
[4]聯(lián)合顯著性和多層卷積神經(jīng)網(wǎng)絡(luò)的高分影像場景分類[J]. 何小飛,鄒崢嶸,陶超,張佳興.  測繪學報. 2016(09)
[5]非等權(quán)距離改進的FCM多波段遙感影像監(jiān)督分類算法[J]. 張怡然,陳銳,張文婷,賀三維,何青青,王海軍.  測繪地理信息. 2016(04)
[6]利用多尺度特征與深度網(wǎng)絡(luò)對遙感影像進行場景分類[J]. 許夙暉,慕曉冬,趙鵬,馬驥.  測繪學報. 2016(07)
[7]展望大數(shù)據(jù)時代的地球空間信息學[J]. 李德仁.  測繪學報. 2016(04)
[8]高光譜遙感影像分類研究進展[J]. 杜培軍,夏俊士,薛朝輝,譚琨,蘇紅軍,鮑蕊.  遙感學報. 2016(02)
[9]卷積神經(jīng)網(wǎng)絡(luò)在高分遙感影像分類中的應(yīng)用[J]. 曹林林,李海濤,韓顏順,余凡,顧海燕.  測繪科學. 2016(09)
[10]論時空大數(shù)據(jù)及其應(yīng)用[J]. 李德仁,馬軍,邵振峰.  衛(wèi)星應(yīng)用. 2015(09)

博士論文
[1]高光譜數(shù)據(jù)降維算法研究[D]. 高陽.中國礦業(yè)大學 2013
[2]干涉合成孔徑雷達條紋圖處理技術(shù)研究[D]. 龍學軍.國防科學技術(shù)大學 2012
[3]遙感數(shù)據(jù)可靠性分類方法研究[D]. 張華.中國礦業(yè)大學 2012
[4]基于機器學習方法的高光譜影像分類研究[D]. 楊國鵬.解放軍信息工程大學 2010

碩士論文
[1]EM算法研究及其遙感分類應(yīng)用[D]. 楊紅磊.中國地質(zhì)大學（北京） 2009



本文編號：3203471