基于深度学习和多尺度多特征融合的高分辨率遥感地表覆盖分类研究

发布时间：2021-09-25 00:59

　　遥感图像地表覆盖分类是遥感图像领域的一个重要研究方向,其科学意义在于如何进一步提高遥感图像地表覆盖分类的精度,应用意义在于土地利用规划、城市管理和环境监测等方面。随着高空间分辨率卫星传感器的发展,高分辨率遥感图像越来越广泛,其清晰的地物细节和复杂的空间结构特征进一步增加了地表覆盖分类的难度。因此,发展新的地表覆盖分类方法,提升特征提取和地物识别的能力,具有重要的实际意义。针对以深度学习为核心的现有遥感图像分类方法中存在的效应分析不够全面、融合深度不够深入和贡献度分析缺乏等问题,本文结合超像素分割和深度学习模型,设计较为全面的空间尺度组合方案,提出深度网络融合的多尺度分类方法,以及注意力机制下的多尺度多特征分类方法,综合分析多尺度多特征的融合效应和贡献度差异,提高地表覆盖分类精度,形成基于深度学习和多尺度多特征融合的高分辨率遥感地表覆盖分类方法体系。以浙江省不同地区的高分二号遥感图像地表覆盖分类为例,进行了核心方法的测试、应用与验证。本文的研究内容概况如下:（1）围绕超像素分割与深度学习模型如何有效应用于遥感图像分类的基础性问题,提出了超像素单尺度地表覆盖分类方法。研究了基于假彩色合成和... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：202 页

【学位级别】：博士

【部分图文】：

总体技术路线图

杭州市萧山区和绍兴市越城区实验数据地图

浙江大学博士学位论文绪论24图1.4北仑与慈溪图像样本数据的地表覆盖类别示例1.5论文组织与章节安排本文章节安排如下：第一章《绪论》本章简述了论文的研究背景和意义，对高分辨率遥感图像地表覆盖分类方法和深度学习的研究现状进行了深入分析，明确了现有研究在遥感图像分割、特征提取与分类识别、迁移学习分类等方面存在的问题与不足。在此基础上，提出了本文的研究目的和研究内容，详细介绍了本文的研究区域和实验数据，并给出了论文的组织结构和章节安排。第二章《超像素单尺度地表覆盖分类》本章首先围绕超像素分割与多波段遥感图像的适应性问题，提出基于假彩色合成和图像增强处理的高效超像素分割方法；围绕超像素分割与深度学习模型的


本文编号：3408776