基于深度神经网络的面向对象遥感模式识别关键技术研究

发布时间：2024-06-28 20:03

　　面向对象遥感技术自2000年引入到遥感领域以来,为城市土地优化配置、智慧城市建设等领域提供较好的决策支持。近年来,随着高分二号等高空间分辨率遥感影像的获取更为方便快捷,如何更好地挖掘影像中所包含的地物信息变得极为重要。随着应用的深入,传统的面向对象遥感模式识别技术存在的缺陷也逐渐显现出来,阻碍了面向对象遥感技术在其应用领域的进一步拓展。本文以深度神经网络为基础,对于传统面向对象遥感模式识别技术进行扩展和延伸。主要包含以下三点:(一)建立基于深度神经网络的面向对象遥感分类的基本框架:1)针对深度神经网络,提出一种兼具了对象与像元的优势的面向对象遥感数据提取方法;2)阐述了基于深度神经网络的面向对象遥感分类基本流程;3)结合感知哈希算法,对于深度神经网络提取的遥感影像对象特征图进行了分析,论证了深度神经网络应用于面向对象遥感分类的可行性。(二)提出基于光谱-空间信息的并行深度神经网络分类算法:1)针对高空间分辨率遥感数据的特点,设计两路不同的深度卷积神经网络用于提取空间特征和光谱特征并进行分类;2)从特征级的集成学习视角出发,建立了光谱-空间信息的并行深度神经网络分类框架;3)最终通过互补...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图1-1UCM数据集示意图

上整体的标签，如著名的UCM遥感数据集[3]，如下图1-1所示。而目标对于遥感图像中的地物对象（比如飞机、汽车等）进行检测和分类[4]。如1-2所示。遥感目标分类要靠目标所处的遥感场景，而对于算法而言，目标本与场景分类算法差别并不大，因此对于面向对象遥感分类也常常采用景....

图1-2目标检测与分类

图1-1UCM数据集示意图低尺度特征往往采用经典的图像算子如方向梯度直方图[6]、尺度不变特征转[7]、局部二值模式[8]、加速稳健特征[9]等特征进行特征提取。然而，局部对象信息是无法用整幅遥感场景的低层特征来进行表达，在此基础上，局部低层特描述[10]、多局部特征融合[....

图2-1神经元示意图

）面向对象遥感分类对象遥感分类就是通过影像分割算法提取遥感影像对象，分类目标并提取相关光谱、纹理等特征，最终利用专家经验等方法进行分类。度神经网络神经网络起源于人工神经网络，随着人工神经网络的网络化和求解越来越困难。随着对于人脑机制的不断研究，许多结构比如卷积神经网络，其对于视....

图2-2多输入单输出的基本神经元模型

图2-2多输入单输出的基本神经元模型2-2表示一个多输入单输出的基本人工神经元模型。其中n)T为输入信号，W=(w1,w2,wn)T为神经元的连接权值,uk为输和，bk为阈值，f(.)为激活函数，yk为输出信号。其中：=∑=()组输入信号输入到神经元模型....

本文编号：3996612