基于卷积神经网络的遥感影像分类方法研究

发布时间：2021-02-27 01:17

　　遥感影像包含了地面植被覆盖信息,地面温度信息,城乡分布信息等信息,对于指导地表宏观性研究具有重要意义。遥感影像语义分割技术是对遥感影像的每一个像素进行分类,是遥感影像理解与分析中重要且基础的一环,就具有极高的研究价值。卷积神经网络的最新发展已经实现了遥感影像的在语义分割方面的扎实进展,但是现有卷积神经网络结构设计没有充分考虑到遥感影像图像的数据特征,且网络结构的获取需要研究人员通过不断的实验获得,分割精度与网络架构设计效率有待进一步提高。因此本文基于卷积神经网络进一步研究遥感影像分割任务,主要研究内容如下所示:（1）为解决现有基于卷积神经网络的遥感影像分割方法没有充分考虑到遥感影像图像的数据的特征,导致的小物体分类不良和边界不清晰的问题。本文提出了一种改进的语义分割神经网络,该网络采用空洞卷积,全连接融合路径和预训练编码器来进行遥感图像的语义分割任务。空洞卷积的使用在改善道路水等小型物体的分割效果,全连接融合路径通过跳转连接提供更多的底层信息流。在训练阶段实现了基于深度学习框架Tensorflow实现BN层的跨卡同步。实验结果表明,改进的神经网络架构增强了遥感图像分割结果,达到91%的... 

【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 遥感影像分割研究现状
        1.2.2 网络架构自动搜索研究现状
    1.3 本文的主要工作
    1.4 本文的组织结构
2 相关技术介绍
    2.1 深度神经网络结构
        2.1.1 卷积神经网络结构
        2.1.2 全卷积神经网络结构
        2.1.3 Deeplabv3网络结构
    2.2 常用模型训练优化算法
        2.2.1 反向传播算法
        2.2.2 优化算法
        2.2.3 迁移学习
        2.2.4 正则化
        2.2.5 深度学习框架Tensorflow介绍
    2.3 可微分网络架构搜索介绍
        2.3.1 搜索空间
        2.3.2 搜索策略
        2.3.3 评价预估
    2.4 本章小结
3 基于全卷积神经网络的分割方法
    3.1 问题分析
    3.2 改进的网络结构
        3.2.1 A-ASPP结构
        3.2.2 全连接短路径
    3.3 跨卡同步Batch Normal
    3.4 实验结果与分析
        3.4.1 遥感影像预处理
        3.4.2 运行环境与参数设置
        3.4.3 分割评价指标
        3.4.4 实验结果与分析
    3.5 本章小结
4 基于可微分网络架构搜索的遥感影像分割
    4.1 基于可微分网络架搜索的网络模型
        4.1.1 分割网络基础架构
        4.1.2 连续化架构搜索空间
    4.2 双阶段优化算法
    4.3 网络结构的剪枝
    4.4 实验与结果分析
        4.4.1 实验环境与参数设置
        4.4.2 实验数据的获取与处理
        4.4.3 实验结果与分析
    4.5 本章小结
结论
参考文献
学位期间发表的学术论文
致谢


【参考文献】：
硕士论文
[1]基于深度学习的图像语义分割方法研究与实现[D]. 张学鹏.电子科技大学 2018



本文编号：3053462