基于深度学习的多光谱卫星云雪图像识别

发布时间：2022-06-02 22:13

　　我国卫星图像识别技术在自然灾害、地表覆盖区域监测、环境资源分布研究等领域应用日趋广泛。卫星云雪图像中的云、雪等区域高光谱特征相似、空间分布特征复杂多变。传统的研究方法对多光谱特征利用率低,难以有效获取图像中的高阶语义信息。针对这些研究难题,本文提出了深度学习算法实现多光谱卫星云雪图像的光谱特征信息、局部纹理特征信息自动提取,获得低阶到高阶的语义特征。卷积神经网络能够有效提取卫星图像中的各种特征信息,具有较好的特征提取能力,但是如果仅仅是加深自身结构的深度会导致梯度信号消失等问题。为了提升光谱特征提取能力,本文构造了多维双粒度深度森林轻量化模型、深度残差聚合卷积网络模型实现光谱特征信息的优化,提升了多光谱卫星云雪图像的识别能力。通过仿真实验与结果分析,本文的深度残差聚合卷积网络与多维双粒度深度森模型能够有效提取多光谱卫星云雪图像的各种特征信息,提高了特征的利用率,具备很好的泛化能力。相比于机器学习、集成算法、神经网络,深度残差聚合卷积网络具备更好的泛化能力,能够有效识别多光谱卫星云雪图像中的云区域、雪区域、无云无雪区域、云雪混合区域。另外本文的仿真结果也说明,与单光谱卫星云雪图像相比,多... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与研究意义
    1.2 国内外研究现状
    1.3 论文结构
        1.3.1 论文创新点
        1.3.2 论文章节安排
第二章 传统云雪图像识别算法
    2.1 多光谱卫星图像简介
        2.1.1 卫星图像的特征
        2.1.2 卫星云雪图像识别过程
    2.2 支持向量机
        2.2.1 支持向量机基本原理
        2.2.2 支持向量机分类过程
    2.3 神经网络
        2.3.1 神经网络基本结构
        2.3.2 神经网络前向传播与误差逆传播
    2.4 卷积神经网络
        2.4.1 卷积神经网络基本结构
        2.4.2 卷积核
        2.4.3 下采样
        2.4.4 卷积神经网络前向传播与误差逆传播
    2.5 实验仿真与结果分析
        2.5.1 支持向量机实验仿真与结果分析
        2.5.2 卷积神经网络实验仿真与结果分析
    2.6 本章小结
第三章 基于多维双粒度深度森林的卫星云雪图像识别
    3.1 集成学习基本原理
    3.2 决策树基本原理
        3.2.1 决策树属性选择
        3.2.2 决策树生长
    3.3 随机森林基本原理
    3.4 极限梯度提升树基本原理
    3.5 多维双粒度深度森林
        3.5.1 多维双粒度
        3.5.2 级联森林
        3.5.3 多维双粒度深度森林整体结构
    3.6 实验仿真与结果分析
    3.7 本章小结
第四章 基于深度残差聚合卷积网络的卫星云雪图像识别
    4.1 深度残差聚合卷积网络
    4.2 预激活残差块
        4.2.1 梯度消失
        4.2.2 残差连接
        4.2.3 预激活残差单元
    4.3 特征优化模块
    4.4 空洞空间金字塔池化模块
    4.5 信息融合模块
    4.6 实验仿真与结果分析
    4.7 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
作者简介


【参考文献】：
期刊论文
[1]基于t分布邻域嵌入与XGBoost的刀具多工况磨损评估[J]. 李亚,黄亦翔,赵路杰,刘成良.  机械工程学报. 2020(01)
[2]改进随机森林算法综述[J]. 孙明喆,毕瑶家,孙驰.  现代信息科技. 2019(20)
[3]多维加权密集连接卷积网络的卫星云图云检测[J]. 夏旻,施必成,刘佳,刘万安.  计算机工程与应用. 2018(20)
[4]基于深度极限学习机的卫星云图云量计算[J]. 翁理国,孔维斌,夏旻,仇学飞.  计算机科学. 2018(04)
[5]基于LeNet-5改进的卷积神经网络图像识别方法[J]. 吴阳阳,彭广德,吴相飞.  信息与电脑(理论版). 2018(07)
[6]基于多种纹理特征的全色图像云雪区特征提取[J]. 孙磊,曹晓光.  电子设计工程. 2014(02)
[7]地基云图识别的光照补偿算法[J]. 陈晓颖,宋爱国,李建清,孙学金,朱益民.  解放军理工大学学报(自然科学版). 2013(05)
[8]基于分形维数的全色影像云雪自动识别方法[J]. 丁海燕,马灵玲,李子扬,唐伶俐.  遥感技术与应用. 2013(01)
[9]极端天气气候事件对旅游业的影响——以2008年雪灾为例[J]. 马丽君,孙根年,马耀峰,王洁洁,舒静静.  资源科学. 2010(01)
[10]基于C4.5决策树的流量分类方法[J]. 徐鹏,林森.  软件学报. 2009(10)

硕士论文
[1]可见光卫星图像的云检测算法研究[D]. 周丽娟.西安电子科技大学 2012
[2]MTSAT气象卫星云图接收软件系统设计[D]. 胡光.北京邮电大学 2009
[3]基于内容的卫星云图分类方法研究[D]. 徐蕊.国防科学技术大学 2006



本文编号：3653184