城鎮(zhèn)森林作為城鎮(zhèn)生態(tài)建設(shè)的重要組成部分,對(duì)人民群眾的生活健康及城鎮(zhèn)的持續(xù)性發(fā)展有著不可替代的作用,它不僅僅局限于林業(yè)調(diào)查的范圍,還包含城鎮(zhèn)中樹木破碎化程度較高的區(qū)域,基于此本文提出城鎮(zhèn)森林的概念,提取研究區(qū)內(nèi)城鎮(zhèn)森林資源。從高分辨率影像上用肉眼即可判定城鎮(zhèn)森林分布及其長(zhǎng)勢(shì)狀況,它在帶來復(fù)雜視覺信息的同時(shí),也夾雜著混合的光譜信息、空間信息的畸變問題,僅僅根據(jù)光譜信息、色調(diào)進(jìn)行地物識(shí)別,無論是準(zhǔn)確性、信息豐富度,還是算法的穩(wěn)定性都遠(yuǎn)遠(yuǎn)無法滿足應(yīng)用需求。地物類型識(shí)別的主要特征在于空間紋理信息,由于空間紋理特征的復(fù)雜性、多樣性,盡管人們發(fā)展了多種算法進(jìn)行空間紋理信息的定量描述與對(duì)象分割（如:灰度共生矩陣、多尺度分割等）,在特定數(shù)據(jù)、特定地物、特定區(qū)域的試驗(yàn)應(yīng)用中有一定效果,但普適性低,可推廣性差。近年來以神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)在人臉識(shí)別、手寫識(shí)別等圖像模式識(shí)別應(yīng)用中取得了極大成功,識(shí)別精度已達(dá)到甚至超越人眼的水平。神經(jīng)網(wǎng)絡(luò)理論上具有自動(dòng)綜合應(yīng)用地物所有的光譜、紋理特征進(jìn)行識(shí)別的優(yōu)勢(shì),該技術(shù)在遙感圖像識(shí)別中的應(yīng)用也是必然趨勢(shì)。但是,在遙感應(yīng)用中有不同于人臉識(shí)別、手寫識(shí)別等應(yīng)用場(chǎng)景的特有的問... 

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究技術(shù)路線圖

BP神經(jīng)網(wǎng)絡(luò)計(jì)算圖

最大池化示意圖

【參考文獻(xiàn)】：
期刊論文
[1]梯度下降法在機(jī)器學(xué)習(xí)中的應(yīng)用[J]. 孫婭楠,林文斌.  蘇州科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[2]卷積神經(jīng)網(wǎng)絡(luò)在異常聲音識(shí)別中的研究[J]. 胡濤,張超,程炳,吳小培.  信號(hào)處理. 2018(03)
[3]基于大數(shù)據(jù)的用戶畫像系統(tǒng)概述[J]. 徐璐瑤,姜增祺,黃婷婷,劉云鵬.  電子世界. 2018(02)
[4]基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別技術(shù)的研究[J]. 王晶.  工業(yè)控制計(jì)算機(jī). 2017(03)
[5]高分一號(hào)衛(wèi)星影像融合方法及質(zhì)量評(píng)價(jià)[J]. 董倩,岳彩榮.  林業(yè)調(diào)查規(guī)劃. 2016(05)
[6]高分系列遙感衛(wèi)星 布設(shè)中國(guó)太空“慧眼”——我國(guó)高分專項(xiàng)建設(shè)回眸[J]. 曹福成.  中國(guó)軍轉(zhuǎn)民. 2015(01)
[7]基于最近鄰規(guī)則的神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本選擇方法[J]. 郝紅衛(wèi),蔣蓉蓉.  自動(dòng)化學(xué)報(bào). 2007(12)
[8]一種面向?qū)ο蟮倪b感影像多尺度分割方法[J]. 譚衢霖,劉正軍,沈偉.  北京交通大學(xué)學(xué)報(bào). 2007(04)

碩士論文
[1]基于深度學(xué)習(xí)的自然圖像分類方法的研究[D]. 王坤.東華理工大學(xué) 2017
[2]卷積神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用分析[D]. 史曉霞.廣東工業(yè)大學(xué) 2017
[3]基于深度學(xué)習(xí)的車輛檢測(cè)和車牌定位[D]. 封晶.江西理工大學(xué) 2017
[4]基于深度學(xué)習(xí)技術(shù)的高分辨率遙感影像建設(shè)用地信息提取研究[D]. 馮麗英.浙江大學(xué) 2017
[5]基于混淆矩陣的分類器選擇集成方法研究[D]. 張盼.河南理工大學(xué) 2016
[6]高空間分辨率遙感影像分割質(zhì)量評(píng)價(jià)方法研究[D]. 毛召武.河南理工大學(xué) 2016
[7]基于Face++云服務(wù)平臺(tái)和SVM的身份識(shí)別[D]. 于海明.天津大學(xué) 2016
[8]古村落高分辨率遙感影像分類識(shí)別算法研究[D]. 紀(jì)靜.湖南大學(xué) 2015
[9]無人機(jī)航測(cè)技術(shù)在土地綜合整治中的應(yīng)用研究[D]. 張文博.長(zhǎng)沙理工大學(xué) 2013
[10]基于共享特征的高分辨率遙感影像多層次分類研究[D]. 康萌萌.上海交通大學(xué) 2013



本文編號(hào)：3731144