遙感影像的自動(dòng)分類系統(tǒng)一直是遙感影像處理領(lǐng)域的一個(gè)熱點(diǎn),也是一個(gè)難點(diǎn)。最早學(xué)者們使用基于像元的方法（如指數(shù)法、決策樹、svm等）分類影像,在圖像分辨率提高后,又有面向?qū)ο蟮纫幌盗行碌姆椒?但始終沒有一個(gè)工業(yè)級(jí)的遙感影像自動(dòng)分類系統(tǒng)面世,也就說明在準(zhǔn)確率上現(xiàn)存方法都有一些問題。隨著科技的發(fā)展,深度卷積神經(jīng)網(wǎng)絡(luò)算法在目標(biāo)檢測領(lǐng)域的優(yōu)勢有目共睹,也有很多學(xué)者將其應(yīng)用到遙感影像的自動(dòng)分類中,但受到傳統(tǒng)習(xí)慣的影響,很多這方面的嘗試是基于面向?qū)ο蠓指畹?這限制了神經(jīng)網(wǎng)絡(luò)算法的潛力。本研究采用新的思路,通過提取邊緣緩沖區(qū)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練單元,結(jié)合多尺度和集成學(xué)習(xí)的思想,設(shè)計(jì)了一種新的遙感影像自動(dòng)分類系統(tǒng)。經(jīng)過實(shí)驗(yàn),新方法在測試集的準(zhǔn)確率達(dá)到97%,在訓(xùn)練集的準(zhǔn)確率達(dá)到了93%。本研究的主要內(nèi)容如下:（1）分析了面向?qū)ο蠓指钤诂F(xiàn)階段影像分類中表現(xiàn)不理想的具體理論原因以及現(xiàn)存的目標(biāo)識(shí)別算法不適用于遙感影像分類的原因。（2）設(shè)計(jì)了多尺度邊緣緩沖區(qū)的提取算法,邊緣緩沖區(qū)的定義是沿垂直圖像邊緣方向向兩側(cè)做一定寬度的緩沖區(qū)。該算法能夠?qū)τ跋裰械倪吘壘彌_區(qū)進(jìn)行多方向,多尺度的提取,并能將提取到的數(shù)據(jù)還原回原圖像... 

【文章頁數(shù)】：138 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題的目的與意義
    1.2 國內(nèi)外研究現(xiàn)狀及存在問題
        1.2.1 遙感影像的分類現(xiàn)狀
        1.2.2 超像素方面的研究現(xiàn)狀
        1.2.3 卷積神經(jīng)網(wǎng)絡(luò)方面的研究現(xiàn)狀
        1.2.4 現(xiàn)階段存在的問題
    1.3 論文的研究內(nèi)容
    1.4 技術(shù)路線與方法
    1.5 論文的創(chuàng)新點(diǎn)
    1.6 論文組織結(jié)構(gòu)
2 基于邊緣緩沖區(qū)的多尺度分割技術(shù)
    2.1 基本概念
        2.1.1 影像邊緣
        2.1.2 緩沖區(qū)
        2.1.3 尺度
    2.2 邊緣緩沖區(qū)的構(gòu)建技術(shù)
        2.2.1 邊緣的提取方法
        2.2.2 緩沖區(qū)的制作方法
        2.2.3 尺度的選擇
3 應(yīng)用神經(jīng)網(wǎng)絡(luò)來進(jìn)行特征學(xué)習(xí)的技術(shù)
4 論文實(shí)驗(yàn)過程
    4.1 研究區(qū)基本情況
    4.2 邊緣緩沖區(qū)的采集
    4.3 卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)
        4.3.1 訓(xùn)練環(huán)境介紹
        4.3.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)介紹
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 訓(xùn)練集結(jié)果
        4.4.2 測試集結(jié)果
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
6 致謝
參考文獻(xiàn)
附件


【參考文獻(xiàn)】：
期刊論文
[1]基于eCognition的遙感圖像面向?qū)ο蠓诸惙椒ㄑ芯縖J]. 陳蕊,張繼超.  測繪與空間地理信息. 2020(02)
[2]一種多尺度卷積神經(jīng)網(wǎng)絡(luò)道路提取方法[J]. 戴激光,杜陽,金光,陶德志.  遙感信息. 2020(01)
[3]直線特征輔助的靠岸艦船檢測[J]. 余東行,郭海濤,趙傳,李道紀(jì),張保明.  測繪科學(xué)技術(shù)學(xué)報(bào). 2019(03)
[4]基于面向?qū)ο蟮倪b感影像分類研究——以河北省柏鄉(xiāng)縣為例[J]. 江東,陳帥,丁方宇,付晶瑩,郝蒙蒙.  遙感技術(shù)與應(yīng)用. 2018(01)
[5]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[6]一種新的基于局部輪廓特征的目標(biāo)檢測方法[J]. 張桂梅,張松,儲(chǔ)珺.  自動(dòng)化學(xué)報(bào). 2014(10)
[7]超像素分割算法研究綜述[J]. 王春瑤,陳俊周,李煒.  計(jì)算機(jī)應(yīng)用研究. 2014(01)
[8]圖像邊緣檢測方法綜述[J]. 陳一虎.  寶雞文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2013(01)
[9]基于人工神經(jīng)網(wǎng)絡(luò)與決策樹相結(jié)合模型的遙感圖像自動(dòng)分類研究[J]. 李飛雪,李滿春,趙書河.  遙感信息. 2003(03)
[10]利用TM圖像逐級(jí)分類提取非點(diǎn)源信息[J]. 胡遠(yuǎn)安,程聲通,賈海峰,張海星,譚斌,趙江.  環(huán)境科學(xué). 2003(01)

碩士論文
[1]面向?qū)ο蟮亩嘣催b感數(shù)據(jù)分類技術(shù)研究與實(shí)現(xiàn)[D]. 陳啟浩.中國地質(zhì)大學(xué) 2007



本文編號(hào)：3698411