基于深度卷积网络的可见光遥感图像分类与检测

发布时间：2024-02-23 08:20

　　随着可见光卫星遥感和航空遥感图像分辨率的不断提高,从中能够解译获得更多的有价值信息。遥感图像的分类和检测是遥感影像智能分析的重要环节,也是该领域的研究热点。传统方法通过采用人工设计特征结合回归、SVM等浅层模型的方式实现,然而由于可见光遥感图像存在背景复杂,类内场景差异大,目标尺度变化大等问题,在性能提升上遇到了瓶颈。深度卷积网络通过多层抽象机制,可自主学习遥感图像的高层本质特征,为遥感图像的分类与检测提供了新的解决思路。为此,本文主要研究了基于深度卷积网络的可见光遥感图像分类和检测算法,具体内容如下:(1)提出了随机多选择残差网络集成的遥感图像分类算法。深度卷积网络模型在图像分类、目标检测等问题上得到了成功的应用。但单一类型的网络对于类内差异性大以及尺度变化大的遥感场景仍然不能获得好的分类结果,通过网络集成的方法,融合多个网络进行分类,有利于提升分类准确率。为此,本文提出一种基于随机多选择残差网络集成的遥感图像分类算法,该算法通过多选择学习策略,集成多个残差网络共同完成分类任务,算法设置有效的集成学习目标函数,并通过随机梯度下降算法最小化多个子网络对每个样本的最优分类误差,促使各个网...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 遥感图像分类
        1.2.2 遥感图像目标检测
    1.3 本文的研究工作
第二章 相关理论基础
    2.1 词袋模型
    2.2 稀疏编码的空间金字塔模型
    2.3 深度卷积网络
        2.3.1 卷积运算
        2.3.2 卷积网络层
        2.3.3 经典卷积网络架构
    2.4 目标检测网络
    2.5 本章小结
第三章 随机多选择残差网络集成的遥感图像分类算法
    3.1 引言
    3.2 随机多选择残差网络
    3.3 实验结果和分析
        3.3.1 实验数据
        3.3.2 实验结果
    3.4 本章小结
第四章 基于YOLOv2 的大尺寸遥感图像目标检测
    4.1 引言
    4.2 大尺寸遥感图像分块检测模型
        4.2.1 网络结构
        4.2.2 边界框预测
        4.2.3 非极大值抑制融合
    4.3 网络训练与学习
    4.4 实验结果与分析
        4.4.1 实验数据与实验环境
        4.4.2 结果分析
    4.5 本章总结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
攻读硕士期间完成的科研情况



本文编号：3907328