近年來(lái),隨著遙感技術(shù)的快速發(fā)展,遙感圖像的規(guī)模正在逐步擴(kuò)大,圖像本身所能提供的場(chǎng)景語(yǔ)義信息也越來(lái)越豐富。然而該如何處理這些豐富的圖像信息并有效利用于諸如自然災(zāi)害檢測(cè)、環(huán)境檢測(cè)以及城市規(guī)劃等重大應(yīng)用,這是遙感領(lǐng)域正面臨的嚴(yán)峻挑戰(zhàn)。遙感圖像場(chǎng)景分類作為遙感領(lǐng)域的關(guān)鍵組成部分,一直是學(xué)術(shù)界的研究熱點(diǎn)。場(chǎng)景分類的主要過(guò)程就是根據(jù)提取的圖像特征從多幅圖像中區(qū)分出具有相似場(chǎng)景特征的圖像,并對(duì)這些圖像賦予正確的類別標(biāo)簽。目前,相關(guān)學(xué)者相繼提出了大量的遙感圖像場(chǎng)景分類方法,主要以深度學(xué)習(xí)方法為主。盡管國(guó)內(nèi)外學(xué)者對(duì)深度學(xué)習(xí)模型在遙感圖像場(chǎng)景分類方面已經(jīng)做了很多研究,但當(dāng)前研究仍然存在以下不足:(1)遙感圖像數(shù)據(jù)集類別較少,圖像標(biāo)注樣本數(shù)據(jù)較少,限制了深度學(xué)習(xí)方法充分發(fā)揮其作用;(2)受到傳感器類型、波長(zhǎng)、拍攝角度以及光照等因素的影響,遙感圖像的空間和光譜分辨率參差不齊,遙感圖像表觀具有明顯差異,增加了場(chǎng)景分類難度;(3)遙感圖像具有同類差異較大和部分類間相似度較高的特點(diǎn),為現(xiàn)有方法提取魯棒特征增加了難度。為了解決上述問題,本文在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,引入了孿生網(wǎng)絡(luò),對(duì)遙感圖像場(chǎng)景分類進(jìn)行了一系列的研究。...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
2 相關(guān)理論介紹
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 數(shù)據(jù)增強(qiáng)
    2.3 多目標(biāo)進(jìn)化算法
    2.4 本章小結(jié)
3 基于孿生卷積神經(jīng)網(wǎng)絡(luò)模型的遙感圖像場(chǎng)景分類研究
    3.1 問題描述
    3.2 孿生卷積神經(jīng)網(wǎng)絡(luò)模型
    3.3 目標(biāo)函數(shù)
    3.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
4 基于旋轉(zhuǎn)不變性特征學(xué)習(xí)和聯(lián)合決策方法的遙感圖像場(chǎng)景分類研究
    4.1 問題描述
    4.2 模型框架
    4.3 旋轉(zhuǎn)不變性特征學(xué)習(xí)和聯(lián)合決策方法
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
5 基于進(jìn)化算法的多目標(biāo)殘差網(wǎng)絡(luò)剪枝方法研究
    5.1 問題描述
    5.2 多目標(biāo)殘差網(wǎng)絡(luò)剪枝模型
    5.3 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3745163