基于多源遥感数据的岩溶石漠化信息提取研究
发布时间：2021-09-18 07:04
石漠化是我国三大自然生态灾害之一,受自然和人类不合理的经济生产、生活活动等因素导致的地域性劣变,使得原有的、可利用的土地资源大幅度减少,水资源遭到污染,生物资源的生存条件丧失。近年来,国家高度重视生态文明建设,石漠化也是制约西南地区社会经济发展最为严重的生态问题,为了遏制石漠化面积扩大,国家开展系列石漠化综合治理工程,并针对治理成效进行了监测评估。传统的石漠化监测方法有目视解译、监督分类、基于知识的模型构建以及基于特征信息的提取等。遥感技术因其具有获取信息速度快、探测范围广、信息量大等特点,作为及时准确获取地理信息的一个重要手段,已成为石漠化动态监测及调查的主要方法。传统的小区域的石漠化调查主要通过遥感影像提取相关的石漠化信息,但因遥感影像的质量、分辨率、信息提取的方法等因素受限,该方法提取结果的精度存在很大的不确定性。深度学习方法作为新兴发展起来的一种机器学习方法,已被广泛用于图像识别,该方法将传统地物分类方法转向深度学习,从而完成高分影像的地物分类。裸岩率作为石漠化等级评定的一个重要指标,对其科学快速地运算,是石漠化等级划分和石漠化地区信息提取的基础。石漠化地区岩石大小不一,且颜色...
【文章来源】：兰州理工大学甘肃省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
超平面
图 2.3 sigmiod 函数图像tanh 函数：nh 函数是双曲正切函数，tanh 函数图像和 sigmoid 函数的图像是比下图 2.4 所示。首先两个函数相同的是在输入无论很大还是很小的非常平滑，且梯度很小，即斜率很小，是不利于权重更新的；而不间，tanh 函数的输出区间是在(-1,1)之间，而且整个函数是以 0 为中点比 sigmod 的好[46]。函数公式和图形表达如下图：tanh( ) =
图 2.3 sigmiod 函数图像2）tanh 函数：tanh 函数是双曲正切函数，tanh 函数图像和 sigmoid 函数的图像是比较如下图 2.4 所示。首先两个函数相同的是在输入无论很大还是很小的时都非常平滑，且梯度很小，即斜率很小，是不利于权重更新的；而不同区间，tanh 函数的输出区间是在(-1,1)之间，而且整个函数是以 0 为中心特点比 sigmod 的好[46]。h 函数公式和图形表达如下图：tanh( ) =
【参考文献】：
期刊论文
[1]基于深度学习的激光遥感图像特征识别[J]. 俞淑燕,魏哲. 激光杂志. 2019(02)
[2]基于深度学习的高分辨率遥感影像建筑物提取方法[J]. 范荣双,陈洋,徐启恒,王竞雪. 测绘学报. 2019(01)
[3]神经网络在股票预测中的应用[J]. 汪煜纯. 通讯世界. 2019(01)
[4]基于深度神经网络的遥感图像分类算法综述[J]. 崔璐,张鹏,车进. 计算机科学. 2018(S1)
[5]五大深度学习框架介绍[J]. 本刊讯. 数据分析与知识发现. 2018(05)
[6]基于深度学习的无人机影像车辆识别[J]. 项阳. 信息与电脑(理论版). 2018(09)
[7]无人机高分辨率遥感影像地震滑坡信息提取方法[J]. 付萧,郭加伟,刘秀菊,鲁恒,杨正丽,项霞. 地震研究. 2018(02)
[8]基于面向对象分类的大型野生食草动物识别方法——以青海三江源地区为例[J]. 罗巍,邵全琴,王东亮,汪阳春. 野生动物学报. 2017(04)
[9]一种结合深度置信网络与最优尺度的植被提取方法[J]. 刘祖瑾,杨玲,刘祖涵,段琳琳,乔贤贤,龚娇娇. 激光与光电子学进展. 2018(02)
[10]基于深度学习的高光谱遥感影像分类[J]. 朱寿红,王胜利,舒帮荣. 城市勘测. 2017(04)
硕士论文
[1]铣削刀具磨损识别关键技术研究[D]. 毕淞泽.哈尔滨理工大学 2019
[2]基于卷积神经网络的前列腺MR图像语义分割方法研究[D]. 王佳.天津工业大学 2019
[3]基于深度学习的无人机遥感图像目标识别方法研究[D]. 祝思君.北京建筑大学 2018
[4]基于深度卷积神经网络的多通道图像超分辨方法[D]. 李金航.南京理工大学 2018
[5]基于深度学习的遥感图像目标分类的研究[D]. 张涛.中北大学 2018
[6]基于深度学习的同步碎石封层碎石覆盖率检测算法研究[D]. 尹世豪.郑州大学 2018
[7]基于堆栈式降噪自动编码器的概率潮流计算方法[D]. 任鹏凌.重庆大学 2018
[8]基于多尺度多特征融合的遥感影像建筑物自动提取[D]. 吴柳青.武汉大学 2018
[9]基于深度学习的高分辨率遥感影像道路自动提取研究[D]. 钟传琦.电子科技大学 2018
[10]一种非直线型的文字检测与识别方法[D]. 吴昊.大连理工大学 2018
本文编号：3399703
【文章来源】：兰州理工大学甘肃省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
超平面
图 2.3 sigmiod 函数图像tanh 函数：nh 函数是双曲正切函数，tanh 函数图像和 sigmoid 函数的图像是比下图 2.4 所示。首先两个函数相同的是在输入无论很大还是很小的非常平滑，且梯度很小，即斜率很小，是不利于权重更新的；而不间，tanh 函数的输出区间是在(-1,1)之间，而且整个函数是以 0 为中点比 sigmod 的好[46]。函数公式和图形表达如下图：tanh( ) =
图 2.3 sigmiod 函数图像2）tanh 函数：tanh 函数是双曲正切函数，tanh 函数图像和 sigmoid 函数的图像是比较如下图 2.4 所示。首先两个函数相同的是在输入无论很大还是很小的时都非常平滑，且梯度很小，即斜率很小，是不利于权重更新的；而不同区间，tanh 函数的输出区间是在(-1,1)之间，而且整个函数是以 0 为中心特点比 sigmod 的好[46]。h 函数公式和图形表达如下图：tanh( ) =
【参考文献】：
期刊论文
[1]基于深度学习的激光遥感图像特征识别[J]. 俞淑燕,魏哲. 激光杂志. 2019(02)
[2]基于深度学习的高分辨率遥感影像建筑物提取方法[J]. 范荣双,陈洋,徐启恒,王竞雪. 测绘学报. 2019(01)
[3]神经网络在股票预测中的应用[J]. 汪煜纯. 通讯世界. 2019(01)
[4]基于深度神经网络的遥感图像分类算法综述[J]. 崔璐,张鹏,车进. 计算机科学. 2018(S1)
[5]五大深度学习框架介绍[J]. 本刊讯. 数据分析与知识发现. 2018(05)
[6]基于深度学习的无人机影像车辆识别[J]. 项阳. 信息与电脑(理论版). 2018(09)
[7]无人机高分辨率遥感影像地震滑坡信息提取方法[J]. 付萧,郭加伟,刘秀菊,鲁恒,杨正丽,项霞. 地震研究. 2018(02)
[8]基于面向对象分类的大型野生食草动物识别方法——以青海三江源地区为例[J]. 罗巍,邵全琴,王东亮,汪阳春. 野生动物学报. 2017(04)
[9]一种结合深度置信网络与最优尺度的植被提取方法[J]. 刘祖瑾,杨玲,刘祖涵,段琳琳,乔贤贤,龚娇娇. 激光与光电子学进展. 2018(02)
[10]基于深度学习的高光谱遥感影像分类[J]. 朱寿红,王胜利,舒帮荣. 城市勘测. 2017(04)
硕士论文
[1]铣削刀具磨损识别关键技术研究[D]. 毕淞泽.哈尔滨理工大学 2019
[2]基于卷积神经网络的前列腺MR图像语义分割方法研究[D]. 王佳.天津工业大学 2019
[3]基于深度学习的无人机遥感图像目标识别方法研究[D]. 祝思君.北京建筑大学 2018
[4]基于深度卷积神经网络的多通道图像超分辨方法[D]. 李金航.南京理工大学 2018
[5]基于深度学习的遥感图像目标分类的研究[D]. 张涛.中北大学 2018
[6]基于深度学习的同步碎石封层碎石覆盖率检测算法研究[D]. 尹世豪.郑州大学 2018
[7]基于堆栈式降噪自动编码器的概率潮流计算方法[D]. 任鹏凌.重庆大学 2018
[8]基于多尺度多特征融合的遥感影像建筑物自动提取[D]. 吴柳青.武汉大学 2018
[9]基于深度学习的高分辨率遥感影像道路自动提取研究[D]. 钟传琦.电子科技大学 2018
[10]一种非直线型的文字检测与识别方法[D]. 吴昊.大连理工大学 2018
本文编号：3399703
本文链接：https://www.wllwen.com/shengtaihuanjingbaohulunwen/3399703.html
最近更新
教材专著
