農(nóng)田作為一種戰(zhàn)略性自然資源,是確保我國糧食生產(chǎn)安全的物質(zhì)基礎(chǔ)和重要前提,快速、準確地獲取農(nóng)田空間分布特征與作物種植類別,掌握其耕種狀態(tài),是政府部門重點關(guān)注的工作之一。隨著遙感技術(shù)的發(fā)展,高分辨率遙感影像已成為一種獲取高效、質(zhì)量可靠的遙感數(shù)據(jù)源,當(dāng)前,利用此類遙感影像開展大范圍典型農(nóng)作物分類研究對促進農(nóng)業(yè)現(xiàn)代化、維護地區(qū)生態(tài)穩(wěn)定與可持續(xù)發(fā)展具有極為重要的現(xiàn)實意義。使用傳統(tǒng)的分類方法進行遙感信息提取,往往不能很好地利用影像中的高維特征,難以獲取理想的分類效果。卷積神經(jīng)網(wǎng)絡(luò)作為一門新興技術(shù),憑借其多層卷積、權(quán)值共享、旋轉(zhuǎn)位移不變性等特點,可有效提取影像深層次特征進而完成決策分類,近年來在目標提取、圖像分類、場景解譯等應(yīng)用方面均取得良好效果,為更加充分的利用高分辨率遙感影像細節(jié)信息以得到理想的分類結(jié)果帶來了新思路。在此背景下,本文開展的研究工作及相關(guān)成果如下:（1）針對農(nóng)作物高分辨率遙感影像中光譜信息少、紋理特征利用不充分導(dǎo)致識別精度低、椒鹽噪聲嚴重等問題,將深度學(xué)習(xí)技術(shù)用于農(nóng)作物分類識別。分別選取復(fù)合翼無人機,GF₁衛(wèi)星高空遙感平臺,搭載遙感成像設(shè)備,獲取沙灣縣及尉犁縣... 

【文章來源】：石河子大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

CW-10復(fù)合翼無人機遙感平臺Fig2-3CW-10compositewingUAVremotesensingplatform

第二章數(shù)據(jù)獲取與方法11合使用CWCommander和GCS-202地面站，并借助RTK/PPK定位技術(shù)，獲取到的遙感影像位置信息可達厘米級別。該復(fù)合翼無人機具體技術(shù)參數(shù)如表2-1所示。地面站軟件操作界面如圖2-4所示。實驗過程設(shè)計飛行高度400m，航速20m/s，航向重疊率65%，旁向重疊率70%，通過使用配套地面站軟件CWCommander進行航線規(guī)劃和任務(wù)監(jiān)測。表2-1復(fù)合翼無人機技術(shù)參數(shù)Tab2-1TechnicalparametersofcompoundwingUAV技術(shù)參數(shù)名參數(shù)值技術(shù)參數(shù)名參數(shù)值最大起飛重量6.8kg巡航速度100km/h任務(wù)載荷800g抗風(fēng)能力10.8m/s最高起飛海拔5000m垂直方向定位精度3cm翼展/機身長度2/1.3m水平方向定位精度1cm續(xù)航時間60minDGPSRTK/PPK圖2-4CWCommander地面站軟件Fig2-4CWCommandergroundstationsoftware（2）索尼RX0可見光相機和Micasense多光譜相機遙感影像成像設(shè)備主要有索尼RX0可見光相機（如圖2-5(a)）和Micasense多光譜相機（如圖2-5(b)），其中索尼RX0具有24.00mm主距，CCD尺寸為2.75um，有效相幅為13.2×8.8mm，通過1/32000秒的高速電子快門有效防止產(chǎn)生畸變，相機整體設(shè)計大小59×40.5×29.8mm配備IP68級防水、IPX6級防塵技術(shù)使其適于作為無人機飛行載荷，Micasense多光譜相機具有藍、綠、紅、紅邊和近紅外五個波段，整機質(zhì)量173g，尺寸大小9.34cm×6.3cm×4.6cm，同樣適用于作為無人機飛行載荷�？梢姽饧岸喙庾V相機參數(shù)如表2-2所示。

無人

【參考文獻】：
期刊論文
[1]基于特征壓縮激活Unet網(wǎng)絡(luò)的建筑物提取[J]. 劉浩,駱劍承,黃波,楊海平,胡曉東,徐楠,夏列鋼.  地球信息科學(xué)學(xué)報. 2019(11)
[2]高分一號的浮筏養(yǎng)殖信息提取方法[J]. 初佳蘭,邵光輝,趙建華,高寧,王飛,崔賓閣.  測繪科學(xué). 2020(01)
[3]多源數(shù)據(jù)結(jié)合的高分一號土地利用/覆蓋分類方法研究[J]. 歐健濱,羅文斐,劉暢.  華南師范大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[4]像元二分模型參數(shù)確定方法對高分一號PMS數(shù)據(jù)估算植被覆蓋度精度的影響[J]. 龐國偉,楊勤科,王春梅,山琳昕,王碧蓮.  地理與地理信息科學(xué). 2019(04)
[5]基于全卷積神經(jīng)網(wǎng)絡(luò)的灌區(qū)無人機正射影像渠系提取[J]. 張宏鳴,王斌,韓文霆,楊江濤,蒲攀,蔚繼承.  農(nóng)業(yè)機械學(xué)報. 2019(06)
[6]新疆迪那河流域輪臺人工綠洲耕地時空變化特征分析[J]. 張譜,管文軻,劉洪霞,張和鈺,李志鵬,馮益明.  農(nóng)業(yè)機械學(xué)報. 2019(05)
[7]基于無人機遙感影像的覆膜農(nóng)田面積及分布提取方法[J]. 朱秀芳,李石波,肖國峰.  農(nóng)業(yè)工程學(xué)報. 2019(04)
[8]基于像元尺度耕地質(zhì)量局部空間自相關(guān)的基本農(nóng)田劃定[J]. 劉彥文,劉成武,何宗宜,周霞.  農(nóng)業(yè)機械學(xué)報. 2019(05)
[9]基于FlowS-Unet的遙感圖像建筑物變化檢測[J]. 顧煉,許詩起,竺樂慶.  自動化學(xué)報. 2020(06)
[10]機器學(xué)習(xí)法的干旱區(qū)典型農(nóng)作物分類[J]. 黃雙燕,楊遼,陳曦,姚遠.  光譜學(xué)與光譜分析. 2018(10)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像建筑物提取[D]. 高揚.南京大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的面向?qū)ο筮b感影像分類方法研究[D]. 陳揚洋.中國地質(zhì)大學(xué)(北京) 2018
[3]基于深度學(xué)習(xí)的農(nóng)業(yè)遙感圖像耕地提取技術(shù)研究[D]. 李昌俊.中國科學(xué)技術(shù)大學(xué) 2018
[4]基于Sentinel多源遙感數(shù)據(jù)的作物分類及種植面積提取研究[D]. 朱琳.西北農(nóng)林科技大學(xué) 2018
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的城市區(qū)域建筑物自動提取研究[D]. 劉文濤.電子科技大學(xué) 2018
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像目標檢測與識別[D]. 趙旭江.中國科學(xué)技術(shù)大學(xué) 2018
[7]基于GF-1遙感影像的農(nóng)作物面積測量方法研究[D]. 張亞亞.吉林大學(xué) 2017
[8]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
[9]基于集成學(xué)習(xí)的農(nóng)作物遙感分類方法的研究[D]. 劉詩靜.黑龍江大學(xué) 2017
[10]基于人工神經(jīng)網(wǎng)絡(luò)的海島遙感影像地物分類研究[D]. 曹兆偉.上海海洋大學(xué) 2016



本文編號：3515460