基于深度神经网络的Landsat遥感图像时序变化检测

发布时间：2020-05-08 22:38

【摘要】：Landsat数据因具有悠久的历史和相对较高的空间分辨率,已被用于研究地球表面如何变化几十年。及时准确地检测地球表面特征能够帮助人们理解人与自然现象之间的关系和相互作用,可以促进更好的决策和发展。目前虽然在监测和探测环境变化方面已经有很多成功的应用案例,但是在应用多时间图像获取地球环境和人类活动的及时信息方面仍存在着巨大的挑战。但值得注意的是,近年来,通过开发新的平台和传感器,克服技术障碍取得了很大进展,并且大量历史图像档案的广泛可用性也使长期的变化检测和建模成为可能。这一进展促使人们进一步研究开发更先进的图像处理方法和处理时间序列图像数据的新方法。因此,本文将借助深度神经网络算法展开相关研究。因此本文的研究目标如下:1、本文提出了一种基于MDP为循环核心的深度增强学习优化算法,旨在对被优化神经网络进行自动优化,加快神经网络训练过程,帮助神经网络跳出局部最优点。2、针对Landsat遥感图像中存在云及云阴影影响了Landsat遥感图像的可用性,本文提出了一种基于空间语义感知的云检测及去除方法。实现了端到端的自动化云检测及去除。3、本文提出了一种基于多目标语义分割神经网络的Landsat遥感图像时间序列变化检测算法,实现了对Landsat遥感图像中多目标同时检测,并相较于以往算法,有优异的检测精度。
【图文】：

青海玉树地震前后变化检测图

(a)各优化算法逻辑回归损失函数的差值比较，，若值为正代表算法表现好
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751;TP183

【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

4 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期

5 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期

6 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期

7 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期

8 陈晓燕;;浅析简单神经网络的发展及简单模型[J];数字技术与应用;2019年05期

9 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期

10 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期

相关会议论文 前10条

1 孙军田;张U

本文编号：2655152