隨著遙感技術(shù)突飛猛進的發(fā)展,遙感領(lǐng)域數(shù)據(jù)的獲取變得越來越容易,遙感領(lǐng)域也受到更多學(xué)者的關(guān)注。而遙感圖像場景分類作為遙感圖像分析和解釋的一個重要環(huán)節(jié),也是實現(xiàn)地球檢測的一項重要技術(shù)。近年來,國內(nèi)外大量的研究人員都將目光聚焦于此,提出了大量的遙感圖像場景分類方法,盡量地提取遙感場景中的語義信息。然而,現(xiàn)有的場景分類方法仍然存在以下不足:（1）現(xiàn)有的大部分分類方法依舊是基于傳統(tǒng)的人工設(shè)計方法所提取的低級圖像特征,而低級圖像特征對圖像的描述能力有限,影響分類效果;（2）現(xiàn)有基于深度特征的分類方法中,大部分是直接將所提取的特征作為最終的圖像表示,沒有對特征進行歸一化處理,可能會存在數(shù)值異常的特征影響實驗結(jié)果。而且深度特征雖然能較好的描述圖像內(nèi)容,但是卻忽略了圖像的空間分布信息,因此會限制最終的分類準(zhǔn)確率;（3）現(xiàn)有分類方法采用的分類器通常只考慮了單一分類器,而單一分類器性能有限,即每一種單一分類器只能對某些場景類別具有較好的分類效果,不能實現(xiàn)所有場景類別的準(zhǔn)確分類,因此也會影響分類效果;針對上述問題本文開展了基于預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的遙感圖像場景分類方法的研究,并在多個公開數(shù)據(jù)集上證明了方法的有效性。... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

遙感圖像場景分類方法發(fā)展歷程

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論進行調(diào)整。而從零開始訓(xùn)練則是只借用預(yù)訓(xùn)練網(wǎng)絡(luò)的結(jié)訓(xùn)練網(wǎng)絡(luò)。相較于直接利用預(yù)訓(xùn)練網(wǎng)絡(luò)，這種方法需要，因此需要的數(shù)據(jù)量更大，但是往往也能取得更好的效hang F[56]等人就是通過訓(xùn)練一個只有兩層卷積層的梯度增像進行分類。Castelluccio 等人利用 UC Merced 數(shù)據(jù)集對行了從零開始訓(xùn)練網(wǎng)絡(luò)和對網(wǎng)絡(luò)進行微調(diào)兩種方法的對于從零開始訓(xùn)練神經(jīng)網(wǎng)絡(luò)，對預(yù)訓(xùn)練網(wǎng)絡(luò)進行微調(diào)這種數(shù)據(jù)的依賴，且能取得非常好的效果，十分適用于小數(shù)較為充足時，從零開始訓(xùn)練神經(jīng)網(wǎng)絡(luò)同樣能取得非常好體采用哪一種方式利用預(yù)訓(xùn)練 CNN 應(yīng)取決于數(shù)據(jù)集之間數(shù)據(jù)量。具體 CNN 微調(diào)策略如圖 1.2 所示。

2 提出方法及相關(guān)技術(shù)研究隨著科學(xué)技術(shù)飛速發(fā)展，遙感技術(shù)不斷取得重大突破�，F(xiàn)如今遙感圖像的分辨率已經(jīng)達到了亞米級，這意味著，獲取高甚至是超高分辨率的遙感圖像已經(jīng)變得更加容易。而這造成的直接后果便是遙感圖像所包含的內(nèi)容越發(fā)復(fù)雜，使得遙感圖像類內(nèi)差異大和類間相似性大的特點越發(fā)突出[1]。由于傳統(tǒng)基于像素和面向?qū)ο蟮倪b感圖像分類方法只能對遙感數(shù)據(jù)中的地物目標(biāo)做出解釋，忽略了遙感圖像中包含的語義信息，故難以獲得較為理想的分類結(jié)果。因此，許多學(xué)者提出了面向場景的遙感圖像分類方法，這種分類方法可以有效地對遙感圖像進行理解與分析，并能根據(jù)圖像內(nèi)容給圖像貼上語義標(biāo)簽[1]。到現(xiàn)在，遙感圖像場景分類已經(jīng)在城市監(jiān)測、農(nóng)作物檢測與分類和森林面積監(jiān)測等多方面得到應(yīng)用。根據(jù)現(xiàn)有的遙感圖像場景分類方法可以將遙感圖像場景分類方法流程劃分為兩部分組成：特征提取和分類。具體如圖 2.1所示。

【參考文獻】：
期刊論文
[1]遙感圖像條帶噪聲的多尺度變分模型去除[J]. 霍麗君,何斌,周達標(biāo).  光學(xué)精密工程. 2017(01)



本文編號：3214540