農(nóng)作物的種植結(jié)構(gòu)和面積是預測農(nóng)業(yè)生產(chǎn)力及人口承載力的重要數(shù)據(jù)源,及時、準確地獲取區(qū)域尺度上的作物種植信息具有重要的意義。隨著商業(yè)小衛(wèi)星和無人機遙感技術(shù)的快速發(fā)展,高分辨率遙感影像已經(jīng)廣泛應用于農(nóng)業(yè)領(lǐng)域�？臻g分辨率的提高,地物的細節(jié)信息明顯,如幾何結(jié)構(gòu)、紋理特征等。同時,像元的光譜信息弱化。在影像中,同類地物內(nèi)的方差增大,異類地物間的差異減小。像素的光譜信息較弱,僅利用光譜信息分析的方法不在適用于高分辨率影像。作物種植大多是田塊種植,套種的方式基本不存在了,提取的作物種植信息也應該是塊狀連片的區(qū)域。然而,高分辨率影像普遍受到“同物異譜”與“異物同譜”等現(xiàn)象的影響,作物長勢也存在差異,會在空間上表現(xiàn)出不同程度的差異。因此,本文從高分辨率影像分類特征、面向?qū)ο蟮淖魑锾飰K分割和高精度分類算法三個方面展開了探討和研究。主要工作如下:(1)高分辨率影像的農(nóng)作物分類特征構(gòu)建�？梢姽庥跋癜屑t、綠、藍3色的灰度信息和更多的影像結(jié)構(gòu)信息,僅利用色彩信息難以實現(xiàn)作物類型區(qū)分。從模式識別的角度來看,針對特定分類對象或用途,代表性特征的選擇或提取是提高準確性的關(guān)鍵。因此結(jié)合研究區(qū)主要農(nóng)作物類型,從色彩、光譜指...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

第一章緒論3圖1-1RGB影像分類特征研究現(xiàn)狀Fig.1-1ResearchStatusofRGBImageClassificationFeatures1.2.2面向?qū)ο蟮挠跋穹指钤诟叻直媛蕡D像中，地塊內(nèi)作物的長勢常常是不均勻的，基于像素的“硬分類”會產(chǎn)生較多的椒鹽碎斑。高分辨率....

基于高分辨率影像的北疆農(nóng)作物分類研究4佳屬性尺度分割參數(shù)為8。在尺度科學上，根據(jù)對象的固有特征評估分割尺度參數(shù)，對于面向地理對象影像分析具有重要的意義。事實上，對于影像場景中的不同地物目標對象，絕對的最優(yōu)尺度是沒有意義的�？茖W的做法是基于地物對象計算理論的最優(yōu)分割尺度，最大程度地....

onvolutionalnetworks,FCN）模型，將反卷積層替換了全連接（FC）層，使得FCN模型保持了圖像的二維結(jié)構(gòu)。在遙感領(lǐng)域中，一些研究采用基于FCN的方法來生成密集分類圖。Sherrah等[46]分析了CNN中的下采樣和上采樣機制，采用FCN架構(gòu)進行航空圖像語義標記....

?У謀咴迪附諦畔ⅲ?褂枚喑叨?分割之后的對象為單元的方式能夠很好地保留了對象特征和邊緣特性。使用空洞卷積代替普通卷積，增加了預測標簽類的密度；同時，跳層網(wǎng)絡(luò)結(jié)構(gòu)以合并來自網(wǎng)絡(luò)中不同級別的特征響應，從而將這些響應合并到共享輸出層中；最后使用全連接的條件隨機場（CRFs）進行后處理以....

本文編號：4010049