基于卷积神经网络的卫星遥感图像区域识别研究

发布时间：2021-12-16 00:10

　　为了能够将卫星遥感图像识别效果和分类效果进一步提高,文章主要提出了一种以卷积神经网络为基础的卫星遥感图像区域识别的方法,通过研究可以知道该方法具有较好的模型泛化能力和模型数据表达能力,比传统的图像识别方法和卷积神经网络模型的识别效果都好,具有较好的应用价值和应用前景。 

【文章来源】：九江学院学报(自然科学版). 2020,35(03)

【文章页数】：3 页

【部分图文】：

输入电信号强度与激活频率之间生成图像的相关关系图

由图1可以看出,没有对称的区域具有较大的突兀性,与Sigmoid函数之间存在较大的区别,而与另一个ReLU函数也具有相似点。ReLU函数如图2所示。所以选用的激活函数为ReLU函数,其相关表达式为:

当网络结构越深,就说明其包含的参数越多,要想将其进行拟合也存在较大的困难。在小维度中用LeNet5连接层模型让该模型的数据表达能力有效增强,也就是构建出具有2个卷积层、池化层以及全连接层的网络结构,该网络结构如图3所示。图3中,在CP2当中输入4×4的卷积核(32个)与大小为2×2的maxpooling,会得到大小为32×4的特征矩阵。FC1表示拥有100个隐蔽节点的全连接层,使用的激活函数为ReLU函数,当经过FC1之后就会得到100维的特征;FC2表示增加的全连接层,该全连接层中包含50个隐蔽节点,ReLU函数成为了对应的激活函数,出现了50维特征。

【参考文献】：
期刊论文
[1]基于深度卷积神经网络的遥感图像目标识别与检测[J]. 胡琼.  宁夏师范学院学报. 2019(10)
[2]基于多尺度融合特征卷积神经网络的遥感图像飞机目标检测[J]. 姚群力,胡显,雷宏.  测绘学报. 2019(10)
[3]基于卷积神经网络的高光谱图像分类研究[J]. 刘金廷,张彧.  青海交通科技. 2019(04)
[4]基于卷积神经网络的卫星遥感图像区域识别[J]. 张日升,朱桂斌,张燕琴.  信息技术. 2017(11)

硕士论文
[1]基于卷积神经网络的遥感图像场景分类研究[D]. 姬腾飞.河南大学 2019



本文编号：3537385