高分辨率遙感圖像因具備識別地物能力強的特點,廣泛地應用于測繪、環(huán)境和生態(tài)等各個領域。隨著高分辨率遙感圖像數(shù)量的日益增多,從遙感數(shù)據(jù)集中快速有效地檢索出感興趣的圖像或目標成為遙感圖像領域的重要研究方向。高分辨率遙感圖像內(nèi)容復雜,細節(jié)信息豐富,提高其檢索性能的關鍵是提取有效特征來準確表達圖像的內(nèi)容。卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network,CNN）能夠自動學習圖像的特征,并適用于處理內(nèi)容復雜的高分辨率遙感圖像。但是由于目前公開的高分辨率遙感數(shù)據(jù)集規(guī)模偏小,并且難以設置準確的標簽來描述圖像的復雜內(nèi)容,導致CNN的參數(shù)得不到充分訓練,進而影響檢索性能。本文結(jié)合CNN良好的遷移學習能力,研究將大規(guī)模數(shù)據(jù)集上預訓練的CNN遷移到高分辨率遙感圖像檢索,并針對不同尺寸的輸入圖像,從特征融合、池化、編碼、降維以及微調(diào)等多個方面來改進提取的遷移特征,從而提高圖像的檢索性能。主要研究工作如下:（1）研究從預訓練的CNN中提取不同層次的遷移特征用于高分辨率遙感圖像檢索。將多種預訓練的CNN的參數(shù)遷移到高分辨率遙感圖像中,提取全連接層特征和卷積層特征用于圖像檢索。實驗結(jié)果表明,與手... 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數(shù)】：141 頁

【學位級別】：博士

【部分圖文】：

高分辨率遙感圖像示例

第 1 章 緒論區(qū)別較大。但在高分辨率遙感圖像中，從直觀上比較，建筑物、稠密居等稠密居住區(qū)這三類圖像并沒有很明顯的分類界限，稠密居住區(qū)和中住區(qū)這兩類居住區(qū)圖像也難以區(qū)分稠密程度，并不具備明顯的代表性 年之前公開的高分辨率遙感數(shù)據(jù)集都在 5000 幅以內(nèi)，直到 2017 年，相對較大的高分辨率遙感數(shù)據(jù)集才被提出，分別是 NWPU-RESISC45[5 類圖像，每類 700 幅）和 PatternNet[11]（包含 38 類圖像，每類 800，這種規(guī)模的數(shù)據(jù)集相對于 ImageNet 數(shù)據(jù)集來說還是遠遠偏小，難以 CNN 的參數(shù)。

第 1 章 緒論第五章，基于區(qū)域的級聯(lián)池化方法用于遙感圖像檢索。在使用較小池化區(qū)基礎上，提出了一種級聯(lián)池化的方法，該方法有效地結(jié)合了最大池化和均值的優(yōu)點，從而提取出區(qū)分度更好的特征。并對預訓練的 CNN 進行微調(diào)，使訓練的 CNN 更適用于高分辨率遙感圖像。本章是針對卷積層特征進行改進是在第四章研究的基礎上進一步的深入研究。

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡的光學遙感圖像檢索[J]. 李宇,劉雪瑩,張洪群,李湘眷,孫曉瑤.  光學精密工程. 2018(01)
[2]基于遷移學習的紅外圖像超分辨率方法研究[J]. 孫超,呂俊偉,劉峰,周仁來.  激光與紅外. 2017(12)
[3]基于遷移學習和深度卷積神經(jīng)網(wǎng)絡的乳腺腫瘤診斷系統(tǒng)[J]. 褚晶輝,吳澤蕤,呂衛(wèi),李喆.  激光與光電子學進展. 2018(08)
[4]基于深度遷移學習的煙霧識別方法[J]. 王文朋,毛文濤,何建樑,竇智.  計算機應用. 2017(11)
[5]基于卷積神經(jīng)網(wǎng)絡的手勢動作雷達識別方法[J]. 王俊,鄭彤,雷鵬,張原,樵明朗.  北京航空航天大學學報. 2018(06)
[6]深度卷積神經(jīng)網(wǎng)絡特征提取用于地表覆蓋分類初探[J]. 張偉,鄭柯,唐娉,趙理君.  中國圖象圖形學報. 2017(08)
[7]一種具有雙層信息損失優(yōu)化結(jié)構的遙感圖像檢索方法[J]. 彭晏飛,張維,訾玲玲,唐曉亮.  計算機應用研究. 2018(06)
[8]深度學習的半監(jiān)督遙感圖像檢索[J]. 張洪群,劉雪瑩,楊森,李宇.  遙感學報. 2017(03)
[9]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應用. 2016(09)
[10]基于遺傳算法和SVM的遙感圖像檢索[J]. 彭晏飛,李佳.  小型微型計算機系統(tǒng). 2016(04)

博士論文
[1]基于遷移學習與深度卷積特征的圖像標注方法研究[D]. 宋光慧.浙江大學 2017
[2]缺少控制點的高分辨率衛(wèi)星遙感影像幾何糾正[D]. 張過.武漢大學 2005

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡的語音識別研究[D]. 梅俊杰.北京交通大學 2017
[2]基于深度局部特征的圖像表示方法研究[D]. 陳仕江.清華大學 2016
[3]基于隱馬爾可夫樹模型與旋轉(zhuǎn)不變性的遙感圖像紋理檢索方法研究[D]. 苗聰聰.中國礦業(yè)大學 2015
[4]基于感知哈希的遙感圖像檢索方法研究[D]. 郭瑋.華中科技大學 2015
[5]全局與局部特征相結(jié)合的遙感影像檢索方法研究[D]. 劉實.國防科學技術大學 2010



本文編號：3608890