双路径卷积神经网络改进模型在遥感影像地物分类中的应用研究

发布时间：2021-01-18 11:42

　　高空间分辨率遥感影像（简称高分影像）能够快速记录地物几何、纹理、形状、色彩等信息,是国土调查、城市规划、国防安全等领域重要的基础性数据,而地物分类是实现高分影像数据价值的基本工作。虽然地物分类方法研究已经十分深入,包括:决策树、支持向量机、随机森林等,但影像存在的“同类地物差异大、异类地物差异小”问题仍给地物分类造成极大挑战。因此,有必要结合时代新技术,从计算时间、识别准确率、操作难度三方面进行地物分类研究。目前,卷积神经网络技术（Convolutional Neural Network,CNN）已在图像识别、检测领域取得了突破性进展,其准确率远远优于传统的机器学习算法。但是,受公开遥感影像数据集数量少、地域小的限制,CNN技术在高分影像地物分类的应用研究相对不足,尤其表现在高分影像的地物分类领域。为此,深入探究了CNN原理,提出了双路径卷积神经网络模型（Double-Path Convolutional Neural Network Model,DP-CNN）,以促进地物分类研究的发展。本文工作的主要内容包括以下几点:（1）总结了遥感影像地物分类主流的传统方法,梳理了CNN技术的发展... 

【文章来源】：太原理工大学山西省 211工程院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

实验的运行窗口Fig3-3Theoperationwindowoftheexperiment

太原理工大学硕士研究生学位论文4.1.3 研究区域的预测场景太原市市辖区地类分布不均，各类地物交叉分布。在现有硬件设备条件下，将 DPCNN 模型应用于市辖区多个场景的地类提取。选取了三个差异明显的场景进行预测，并借助三个场景的预测效果，分析 DP-CNN 模型对不同地物类别的识别效果。具体场景为：场景一：市区场景；场景二：农村场景；场景三：山区场景，内容如图 4-2、图 43、图 4-4 所示。

太原理工大学硕士研究生学位论文周边存在大片耕地。农村场景影像（图 4-3）以市辖区南部的某个村庄为中心，选取村庄居民地及周边耕地，其尺寸大小为 3000×1200。在场景中，居民地建筑物内存在量的植被，村庄有纵横交错的水泥道路，村庄周边部分为耕地，部分为植被，且在村的北部有一条明显的水泥道路穿过耕地。

【参考文献】：
期刊论文
[1]基于SegNet语义模型的高分辨率遥感影像农村建设用地提取[J]. 杨建宇,周振旭,杜贞容,许全全,尹航,刘瑞.  农业工程学报. 2019(05)
[2]结合特征组与分层策略的遥感图像分类研究[J]. 潘建平,夏鑫,阳春花.  测绘科学. 2019(01)
[3]遥感图像场景深度学习与应用研究——以城市结构类型识别为例[J]. 李二珠.  地理与地理信息科学. 2018(06)
[4]基于Faster R-CNN深度网络的遥感影像目标识别方法研究[J]. 王金传,谭喜成,王召海,钟燕飞,董华萍,周松涛,成布怡.  地球信息科学学报. 2018(10)
[5]基于特征空间优化的随机森林算法在GF-2影像湿地分类中的研究[J]. 詹国旗,杨国东,王凤艳,辛秀文,国策,赵强.  地球信息科学学报. 2018(10)
[6]基于U型卷积神经网络的航空影像建筑物检测[J]. 伍广明,陈奇,Ryosuke SHIBASAKI,郭直灵,邵肖伟,许永伟.  测绘学报. 2018(06)
[7]高分辨率遥感影像场景的多尺度神经网络分类法[J]. 郑卓,方芳,刘袁缘,龚希,郭明强,罗忠文.  测绘学报. 2018(05)
[8]基于空间LDA模型的高分辨率遥感影像地物覆盖分类[J]. 李杨,邵华,江南,施歌,丁远.  农业工程学报. 2018(08)
[9]SAT-CNN:基于卷积神经网络的遥感图像分类算法[J]. 张德园,常云翔,张利国,石祥滨.  小型微型计算机系统. 2018(04)
[10]采用改进全卷积网络的“高分一号”影像居民地提取[J]. 潘旭冉,杨帆,潘国峰.  电讯技术. 2018(02)

硕士论文
[1]基于CNN的遥感图像分类与检测方法的研究[D]. 房正正.北京化工大学 2017



本文编号：2984886