基于深度学习的高分遥感影像稀土开采特征识别方法

发布时间：2021-09-14 19:28

　　稀土作为我国极其重要的战略性资源,被广泛的应用在微电子、化工、芯片、机械、国防、新能源等高新技术领域。在全球国家加紧对战略性资源的争夺以及中美贸易战不断升级的当下,如何实时、高效地对稀土矿区进行过度开采、非法开采监控、规范管理稀土开采、对稀土资源进行有效保护已成为稀土行业不可忽视的问题。本文借助近年来飞速发展的人工智能深度学习技术,以高分辨率遥感影像为数据源构建赣南稀土开采特征识别方法,为稀土行业的监管提供技术支持。选取赣南岭北稀土矿区作为研究区,采用法国0.5m分辨率的Pleiades影像为数据源,进行稀土矿区遥感影像地物识别的深度学习方法研究,研究主要内容有:（1）对获取的Pleiades影像数据进行融合、裁剪识别、数据增强和图像尺寸归一化等预处理,根据稀土矿区地物实际类型给数据集添加标签和位置信息,并将数据划分为训练样本和测试样本以形成稀土矿区遥感影像深度学习数据集;（2）根据神经网络模型、激活函数、卷积神经网络、分类器和非极大值抑制算法等深度学习理论构建以Mask RCNN为基础的稀土开采特征识别算法;（3）通过对模型超参数的调整训练算法模型实现对稀土开采特征的识别,得到初步实... 

【文章来源】：江西理工大学江西省

【文章页数】：70 页

【学位级别】：硕士

【图文】：

总体流程图

人工神经网络结构图

神经元结构图

【参考文献】：
期刊论文
[1]基于改进Faster R-CNN的空中目标检测[J]. 冯小雨,梅卫,胡大帅.  光学学报. 2018(06)
[2]基于自适应卷积神经网络特征选择的视频目标跟踪方法[J]. 李军伟,周小龙,产思贤,陈胜勇.  计算机辅助设计与图形学学报. 2018(02)
[3]东江源稀土矿区土地利用变化遥感监测研究[J]. 吴倩雯,况润元,张刚华,秦建.  测绘科学. 2019(03)
[4]基于多源时序NDVI的稀土矿区土地毁损与恢复过程分析[J]. 李恒凯,雷军,吴娇.  农业工程学报. 2018(01)
[5]面向遥感影像场景的深度卷积神经网络递归识别模型[J]. 何海清,庞燕,陈晓勇.  遥感技术与应用. 2017(06)
[6]局部聚类分析的FCN-CNN云图分割方法[J]. 毋立芳,贺娇瑜,简萌,邹蕴真,赵铁松.  软件学报. 2018(04)
[7]基于深度学习AlexNet的遥感影像地表覆盖分类评价研究[J]. 党宇,张继贤,邓喀中,赵有松,余凡.  地球信息科学学报. 2017(11)
[8]结合均值漂移分割与全卷积神经网络的高分辨遥感影像分类[J]. 方旭,王光辉,杨化超,刘慧杰,闫立波.  激光与光电子学进展. 2018(02)
[9]面向对象的离子吸附型稀土矿开采高分遥感影像识别方法[J]. 李恒凯,熊云飞,吴立新.  稀土. 2017(04)
[10]遥感图像飞机目标分类的卷积神经网络方法[J]. 周敏,史振威,丁火平.  中国图象图形学报. 2017(05)

博士论文
[1]基于卷积神经网络的计算机视觉关键技术研究[D]. 李彦冬.电子科技大学 2017
[2]南方稀土矿区开采与环境影响遥感监测与评估研究[D]. 李恒凯.中国矿业大学(北京) 2016

硕士论文
[1]离子型稀土开采高分遥感影像识别方法研究[D]. 熊云飞.江西理工大学 2017
[2]基于高分辨率可见光遥感图像的建筑物提取技术研究[D]. 左童春.中国科学技术大学 2017
[3]基于模糊logistic神经网络的分类问题研究[D]. 迟丹丹.大连理工大学 2016
[4]集成Logistic和SVM的分类算法研究[D]. 谢玲.重庆大学 2011



本文编号：3395394