基于卷积神经网络和蚁群算法的遥感图像检索研究
发布时间：2021-10-10 15:54
随着遥感图像数据的快速增长,如何快速准确的从大型图像数据库中有效地检索出用户感兴趣的图像,已成为管理和利用遥感图像数据的需要。基于内容的图像检索（Content-Based Image Retrieval,CBIR）是较好的解决方法,已成为遥感应用研究领域的一个重要方向。检索的目的是要求寻找与查询图像相关或者相似的图像,也可以理解为寻找同一类图像,而目前遥感图像检索的初始结果是基于图像自身视觉信息检索所得的,这只考虑了查询图像与检索图像库中图像之间的关系,忽略了检索图像库中不同图像之间的内在联系。同时,当前遥感图像检索方法中已经较好的应用了卷积神经网络（Convolutional Neural Network,CNN）强大的特征提取能力,但大多数研究者忽视了 CNN在图像分类、识别等应用中显示出的强大分类能力。针对以上问题,本文提出一种基于卷积神经网络和蚁群算法的遥感图像检索方法。首先利用蚁群算法（Ant Colony Optimization,ACO）的正反馈性建立检索图像库中图像之间的语义网络,并用一个信息素矩阵来存储图像间的语义联系程度。其次,通过不断迭代,改善检索图像库中图像之...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２．３全连接神经网络和部分连接网络神经元参数示意图??
??第２章ＣＮＮ与检索性能指标???输＼６??隐藏隐藏运２??图２．１人工神经网络结构图??其中，神经元是人工神经网络的基本处理单元，一般结构为多输入单输出，??如图２．２所示：??Ｘ＇＼ｗ，??——??ｘ?Ｗ，？＝０??Ｘ〇?＝?－１??图２．２神经元的基本构成示意图??ＣＮＮ是一种深度学习的结构，是对传统神经网络的一个改进，它将层的功??能和形式做了变化，但依旧是层级网络。比如图２．４中的很多网络层次是传统神??经网络没有的。ＣＮＮ具体的被称作是部分连接网络，在ＣＮＮ出现之前，人们利??用全连接神经网络处理图像，神经网络中每个神经元与前后相邻层的每一个神??经元都有连接关系，其区别如图２．３所示，可以看出部分连接网络大幅度提升了??计算效率，但分类效果没有差别，因此采用部分连接网络。??參??（ａ）全连接神经网络?（ｂ）部分连接网络??图２．３全连接神经网络和部分连接网络神经元参数示意图??１１??
??第２章ＣＮＮ与检索性能指标???输＼６??隐藏隐藏运２??图２．１人工神经网络结构图??其中，神经元是人工神经网络的基本处理单元，一般结构为多输入单输出，??如图２．２所示：??Ｘ＇＼ｗ，??——??ｘ?Ｗ，？＝０??Ｘ〇?＝?－１??图２．２神经元的基本构成示意图??ＣＮＮ是一种深度学习的结构，是对传统神经网络的一个改进，它将层的功??能和形式做了变化，但依旧是层级网络。比如图２．４中的很多网络层次是传统神??经网络没有的。ＣＮＮ具体的被称作是部分连接网络，在ＣＮＮ出现之前，人们利??用全连接神经网络处理图像，神经网络中每个神经元与前后相邻层的每一个神??经元都有连接关系，其区别如图２．３所示，可以看出部分连接网络大幅度提升了??计算效率，但分类效果没有差别，因此采用部分连接网络。??參??（ａ）全连接神经网络?（ｂ）部分连接网络??图２．３全连接神经网络和部分连接网络神经元参数示意图??１１??
【参考文献】：
期刊论文
[1]基于卷积神经网络图像分类的轴承故障模式识别[J]. 张安安,黄晋英,冀树伟,李东. 振动与冲击. 2020(04)
[2]基于FC-DenseNet的低空航拍光学图像树种识别[J]. 林志玮,涂伟豪,黄嘉航,丁启禄,周铮雯,刘金福. 国土资源遥感. 2019(03)
[3]结合改进CNN和双线性模型的CBIR方法[J]. 蔡鹏飞,叶剑锋. 计算机工程与应用. 2019(16)
[4]基于卷积神经网络和改进模糊C均值的遥感图像检索[J]. 彭晏飞,宋晓男,訾玲玲,王伟. 激光与光电子学进展. 2018(09)
[5]改进型查询自适应特征融合图像检索方法[J]. 叶发茂,赵旭青,肖慧,董萌,罗威,闵卫东. 扬州大学学报(自然科学版). 2018(03)
[6]基于卷积神经网络的光学遥感图像检索[J]. 李宇,刘雪莹,张洪群,李湘眷,孙晓瑶. 光学精密工程. 2018(01)
[7]基于卷积神经网络的自动问答[J]. 金丽娇,傅云斌,董启文. 华东师范大学学报(自然科学版). 2017(05)
[8]深度学习的半监督遥感图像检索[J]. 张洪群,刘雪莹,杨森,李宇. 遥感学报. 2017(03)
[9]基于深度卷积特征的细粒度图像分类研究综述[J]. 罗建豪,吴建鑫. 自动化学报. 2017(08)
[10]一种改进的蚁群算法在高光谱遥感图象分类中的应用[J]. 孙可,殷守林,刘杰. 沈阳师范大学学报(自然科学版). 2016(03)
博士论文
[1]基于图像学习表征和重排序的遥感影像内容检索[D]. 唐旭.西安电子科技大学 2017
[2]海量遥感图像内容检索关键技术研究[D]. 杜根远.成都理工大学 2011
硕士论文
[1]基于深度学习的遥感图像检索方法研究[D]. 刘雪莹.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]基于多特征融合和结果重排的特定图像检索[D]. 金婕.上海交通大学 2015
[3]基于可见光遥感图像的自动目标识别系统设计与实现[D]. 李衍君.重庆大学 2012
[4]基于蚁群算法的遥感图像分类研究[D]. 崔亮.华中科技大学 2007
本文编号：3428687
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２．３全连接神经网络和部分连接网络神经元参数示意图??
??第２章ＣＮＮ与检索性能指标???输＼６??隐藏隐藏运２??图２．１人工神经网络结构图??其中，神经元是人工神经网络的基本处理单元，一般结构为多输入单输出，??如图２．２所示：??Ｘ＇＼ｗ，??——??ｘ?Ｗ，？＝０??Ｘ〇?＝?－１??图２．２神经元的基本构成示意图??ＣＮＮ是一种深度学习的结构，是对传统神经网络的一个改进，它将层的功??能和形式做了变化，但依旧是层级网络。比如图２．４中的很多网络层次是传统神??经网络没有的。ＣＮＮ具体的被称作是部分连接网络，在ＣＮＮ出现之前，人们利??用全连接神经网络处理图像，神经网络中每个神经元与前后相邻层的每一个神??经元都有连接关系，其区别如图２．３所示，可以看出部分连接网络大幅度提升了??计算效率，但分类效果没有差别，因此采用部分连接网络。??參??（ａ）全连接神经网络?（ｂ）部分连接网络??图２．３全连接神经网络和部分连接网络神经元参数示意图??１１??
??第２章ＣＮＮ与检索性能指标???输＼６??隐藏隐藏运２??图２．１人工神经网络结构图??其中，神经元是人工神经网络的基本处理单元，一般结构为多输入单输出，??如图２．２所示：??Ｘ＇＼ｗ，??——??ｘ?Ｗ，？＝０??Ｘ〇?＝?－１??图２．２神经元的基本构成示意图??ＣＮＮ是一种深度学习的结构，是对传统神经网络的一个改进，它将层的功??能和形式做了变化，但依旧是层级网络。比如图２．４中的很多网络层次是传统神??经网络没有的。ＣＮＮ具体的被称作是部分连接网络，在ＣＮＮ出现之前，人们利??用全连接神经网络处理图像，神经网络中每个神经元与前后相邻层的每一个神??经元都有连接关系，其区别如图２．３所示，可以看出部分连接网络大幅度提升了??计算效率，但分类效果没有差别，因此采用部分连接网络。??參??（ａ）全连接神经网络?（ｂ）部分连接网络??图２．３全连接神经网络和部分连接网络神经元参数示意图??１１??
【参考文献】：
期刊论文
[1]基于卷积神经网络图像分类的轴承故障模式识别[J]. 张安安,黄晋英,冀树伟,李东. 振动与冲击. 2020(04)
[2]基于FC-DenseNet的低空航拍光学图像树种识别[J]. 林志玮,涂伟豪,黄嘉航,丁启禄,周铮雯,刘金福. 国土资源遥感. 2019(03)
[3]结合改进CNN和双线性模型的CBIR方法[J]. 蔡鹏飞,叶剑锋. 计算机工程与应用. 2019(16)
[4]基于卷积神经网络和改进模糊C均值的遥感图像检索[J]. 彭晏飞,宋晓男,訾玲玲,王伟. 激光与光电子学进展. 2018(09)
[5]改进型查询自适应特征融合图像检索方法[J]. 叶发茂,赵旭青,肖慧,董萌,罗威,闵卫东. 扬州大学学报(自然科学版). 2018(03)
[6]基于卷积神经网络的光学遥感图像检索[J]. 李宇,刘雪莹,张洪群,李湘眷,孙晓瑶. 光学精密工程. 2018(01)
[7]基于卷积神经网络的自动问答[J]. 金丽娇,傅云斌,董启文. 华东师范大学学报(自然科学版). 2017(05)
[8]深度学习的半监督遥感图像检索[J]. 张洪群,刘雪莹,杨森,李宇. 遥感学报. 2017(03)
[9]基于深度卷积特征的细粒度图像分类研究综述[J]. 罗建豪,吴建鑫. 自动化学报. 2017(08)
[10]一种改进的蚁群算法在高光谱遥感图象分类中的应用[J]. 孙可,殷守林,刘杰. 沈阳师范大学学报(自然科学版). 2016(03)
博士论文
[1]基于图像学习表征和重排序的遥感影像内容检索[D]. 唐旭.西安电子科技大学 2017
[2]海量遥感图像内容检索关键技术研究[D]. 杜根远.成都理工大学 2011
硕士论文
[1]基于深度学习的遥感图像检索方法研究[D]. 刘雪莹.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]基于多特征融合和结果重排的特定图像检索[D]. 金婕.上海交通大学 2015
[3]基于可见光遥感图像的自动目标识别系统设计与实现[D]. 李衍君.重庆大学 2012
[4]基于蚁群算法的遥感图像分类研究[D]. 崔亮.华中科技大学 2007
本文编号：3428687
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3428687.html
