航空航天技術和遙感傳感器不斷的發(fā)展和進步,使遙感大數(shù)據(jù)的有效管理和應用面臨著新的機遇和挑戰(zhàn)。遙感影像水體識別是對海量衛(wèi)星影像資源的一種處理和應用,傳統(tǒng)方法為獲取較好的精度較為費時費力,人工智能領域圖像處理技術的進步,推動了遙感領域多光譜影像處理的進步。將深度學習運用于衛(wèi)星影像中對新疆伊犁河流域水體信息進行提取的研究,為水資源信息監(jiān)測提供數(shù)據(jù)支撐,能實現(xiàn)及時的水體生態(tài)分析與風險預警,對伊犁河流域的環(huán)境演變和水資源保護、開發(fā)和合理利用的可持續(xù)發(fā)展研究具有現(xiàn)實意義。本文旨在研究人工智能領域的深度學習技術在遙感影像水體識別方面的應用,針對遙感領域的需求,對深度學習模型和結構進行改進和優(yōu)化,構建適用于遙感影像的水體識別智能模型。主要工作包括:（1）通過研究和分析,結合使用擴展的多種特征,同時增強圖像來提高模型的穩(wěn)定性。針對而遙感影像維度較高,而DBN模型難以對高維圖像做全尺寸衡量的缺點,設計了一種特征擴充方法,相較于復雜的模型修改顯得簡單有效。（2）對于多階段方法中特征構建和選取存在瓶頸的現(xiàn)象,提出一種基于雙向長短時記憶網(wǎng)絡（BiLSTM）與改進的卷積神經(jīng)網(wǎng)絡（Modified-CNN,M-CN... 

【文章來源】：新疆大學新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

影像數(shù)據(jù)示意圖

新疆大學碩士研究生學位論文s WI spec_r F NDWI ,MNDWI , ,Value為了利用像元間的局部空間規(guī)律，使用 3*3 的灰度段組合假彩色圖像的灰度值作為原始光譜信息，與征。 0 1 9F gray , ,gray spec 0 WIsF F ,F提取研究剖面(EMAPs)特征提取是為了得到遙感影像的不同屬取的基本結構如下圖 2-2。

新疆大學碩士研究生學位論文對比分析據(jù)與測試數(shù)據(jù)設置為 2:1 的固定比例，使用鄰，驗證不同模型對于實驗結果的影響。 DBN 模 型 對 比 了 傳 統(tǒng) 的 機 器 學 習 模gression，LR）算法分類、K 最近鄰(k-Near (Backpropagation，BP)算法和支持向量機95.55%VM


本文編號：3341554