基于CNN的高分辨率遥感影像典型农作物分类方法研究
发布时间：2021-11-24 06:54
农田作为一种战略性自然资源,是确保我国粮食生产安全的物质基础和重要前提,快速、准确地获取农田空间分布特征与作物种植类别,掌握其耕种状态,是政府部门重点关注的工作之一。随着遥感技术的发展,高分辨率遥感影像已成为一种获取高效、质量可靠的遥感数据源,当前,利用此类遥感影像开展大范围典型农作物分类研究对促进农业现代化、维护地区生态稳定与可持续发展具有极为重要的现实意义。使用传统的分类方法进行遥感信息提取,往往不能很好地利用影像中的高维特征,难以获取理想的分类效果。卷积神经网络作为一门新兴技术,凭借其多层卷积、权值共享、旋转位移不变性等特点,可有效提取影像深层次特征进而完成决策分类,近年来在目标提取、图像分类、场景解译等应用方面均取得良好效果,为更加充分的利用高分辨率遥感影像细节信息以得到理想的分类结果带来了新思路。在此背景下,本文开展的研究工作及相关成果如下:（1）针对农作物高分辨率遥感影像中光谱信息少、纹理特征利用不充分导致识别精度低、椒盐噪声严重等问题,将深度学习技术用于农作物分类识别。分别选取复合翼无人机,GF1卫星高空遥感平台,搭载遥感成像设备,获取沙湾县及尉犁县...
【文章来源】：石河子大学新疆维吾尔自治区 211工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
CW-10复合翼无人机遥感平台Fig2-3CW-10compositewingUAVremotesensingplatform
第二章数据获取与方法11合使用CWCommander和GCS-202地面站，并借助RTK/PPK定位技术，获取到的遥感影像位置信息可达厘米级别。该复合翼无人机具体技术参数如表2-1所示。地面站软件操作界面如图2-4所示。实验过程设计飞行高度400m，航速20m/s，航向重叠率65%，旁向重叠率70%，通过使用配套地面站软件CWCommander进行航线规划和任务监测。表2-1复合翼无人机技术参数Tab2-1TechnicalparametersofcompoundwingUAV技术参数名参数值技术参数名参数值最大起飞重量6.8kg巡航速度100km/h任务载荷800g抗风能力10.8m/s最高起飞海拔5000m垂直方向定位精度3cm翼展/机身长度2/1.3m水平方向定位精度1cm续航时间60minDGPSRTK/PPK图2-4CWCommander地面站软件Fig2-4CWCommandergroundstationsoftware（2）索尼RX0可见光相机和Micasense多光谱相机遥感影像成像设备主要有索尼RX0可见光相机（如图2-5(a)）和Micasense多光谱相机（如图2-5(b)），其中索尼RX0具有24.00mm主距，CCD尺寸为2.75um，有效相幅为13.2×8.8mm，通过1/32000秒的高速电子快门有效防止产生畸变，相机整体设计大小59×40.5×29.8mm配备IP68级防水、IPX6级防尘技术使其适于作为无人机飞行载荷，Micasense多光谱相机具有蓝、绿、红、红边和近红外五个波段，整机质量173g，尺寸大小9.34cm×6.3cm×4.6cm，同样适用于作为无人机飞行载荷。可见光及多光谱相机参数如表2-2所示。
无人
【参考文献】：
期刊论文
[1]基于特征压缩激活Unet网络的建筑物提取[J]. 刘浩,骆剑承,黄波,杨海平,胡晓东,徐楠,夏列钢. 地球信息科学学报. 2019(11)
[2]高分一号的浮筏养殖信息提取方法[J]. 初佳兰,邵光辉,赵建华,高宁,王飞,崔宾阁. 测绘科学. 2020(01)
[3]多源数据结合的高分一号土地利用/覆盖分类方法研究[J]. 欧健滨,罗文斐,刘畅. 华南师范大学学报(自然科学版). 2019(05)
[4]像元二分模型参数确定方法对高分一号PMS数据估算植被覆盖度精度的影响[J]. 庞国伟,杨勤科,王春梅,山琳昕,王碧莲. 地理与地理信息科学. 2019(04)
[5]基于全卷积神经网络的灌区无人机正射影像渠系提取[J]. 张宏鸣,王斌,韩文霆,杨江涛,蒲攀,蔚继承. 农业机械学报. 2019(06)
[6]新疆迪那河流域轮台人工绿洲耕地时空变化特征分析[J]. 张谱,管文轲,刘洪霞,张和钰,李志鹏,冯益明. 农业机械学报. 2019(05)
[7]基于无人机遥感影像的覆膜农田面积及分布提取方法[J]. 朱秀芳,李石波,肖国峰. 农业工程学报. 2019(04)
[8]基于像元尺度耕地质量局部空间自相关的基本农田划定[J]. 刘彦文,刘成武,何宗宜,周霞. 农业机械学报. 2019(05)
[9]基于FlowS-Unet的遥感图像建筑物变化检测[J]. 顾炼,许诗起,竺乐庆. 自动化学报. 2020(06)
[10]机器学习法的干旱区典型农作物分类[J]. 黄双燕,杨辽,陈曦,姚远. 光谱学与光谱分析. 2018(10)
硕士论文
[1]基于卷积神经网络的高分辨率遥感影像建筑物提取[D]. 高扬.南京大学 2018
[2]基于卷积神经网络的面向对象遥感影像分类方法研究[D]. 陈扬洋.中国地质大学(北京) 2018
[3]基于深度学习的农业遥感图像耕地提取技术研究[D]. 李昌俊.中国科学技术大学 2018
[4]基于Sentinel多源遥感数据的作物分类及种植面积提取研究[D]. 朱琳.西北农林科技大学 2018
[5]基于卷积神经网络的城市区域建筑物自动提取研究[D]. 刘文涛.电子科技大学 2018
[6]基于卷积神经网络的遥感图像目标检测与识别[D]. 赵旭江.中国科学技术大学 2018
[7]基于GF-1遥感影像的农作物面积测量方法研究[D]. 张亚亚.吉林大学 2017
[8]基于深度学习技术的高分辨率遥感影像建设用地信息提取研究[D]. 冯丽英.浙江大学 2017
[9]基于集成学习的农作物遥感分类方法的研究[D]. 刘诗静.黑龙江大学 2017
[10]基于人工神经网络的海岛遥感影像地物分类研究[D]. 曹兆伟.上海海洋大学 2016
本文编号：3515460
【文章来源】：石河子大学新疆维吾尔自治区 211工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
CW-10复合翼无人机遥感平台Fig2-3CW-10compositewingUAVremotesensingplatform
第二章数据获取与方法11合使用CWCommander和GCS-202地面站，并借助RTK/PPK定位技术，获取到的遥感影像位置信息可达厘米级别。该复合翼无人机具体技术参数如表2-1所示。地面站软件操作界面如图2-4所示。实验过程设计飞行高度400m，航速20m/s，航向重叠率65%，旁向重叠率70%，通过使用配套地面站软件CWCommander进行航线规划和任务监测。表2-1复合翼无人机技术参数Tab2-1TechnicalparametersofcompoundwingUAV技术参数名参数值技术参数名参数值最大起飞重量6.8kg巡航速度100km/h任务载荷800g抗风能力10.8m/s最高起飞海拔5000m垂直方向定位精度3cm翼展/机身长度2/1.3m水平方向定位精度1cm续航时间60minDGPSRTK/PPK图2-4CWCommander地面站软件Fig2-4CWCommandergroundstationsoftware（2）索尼RX0可见光相机和Micasense多光谱相机遥感影像成像设备主要有索尼RX0可见光相机（如图2-5(a)）和Micasense多光谱相机（如图2-5(b)），其中索尼RX0具有24.00mm主距，CCD尺寸为2.75um，有效相幅为13.2×8.8mm，通过1/32000秒的高速电子快门有效防止产生畸变，相机整体设计大小59×40.5×29.8mm配备IP68级防水、IPX6级防尘技术使其适于作为无人机飞行载荷，Micasense多光谱相机具有蓝、绿、红、红边和近红外五个波段，整机质量173g，尺寸大小9.34cm×6.3cm×4.6cm，同样适用于作为无人机飞行载荷。可见光及多光谱相机参数如表2-2所示。
无人
【参考文献】：
期刊论文
[1]基于特征压缩激活Unet网络的建筑物提取[J]. 刘浩,骆剑承,黄波,杨海平,胡晓东,徐楠,夏列钢. 地球信息科学学报. 2019(11)
[2]高分一号的浮筏养殖信息提取方法[J]. 初佳兰,邵光辉,赵建华,高宁,王飞,崔宾阁. 测绘科学. 2020(01)
[3]多源数据结合的高分一号土地利用/覆盖分类方法研究[J]. 欧健滨,罗文斐,刘畅. 华南师范大学学报(自然科学版). 2019(05)
[4]像元二分模型参数确定方法对高分一号PMS数据估算植被覆盖度精度的影响[J]. 庞国伟,杨勤科,王春梅,山琳昕,王碧莲. 地理与地理信息科学. 2019(04)
[5]基于全卷积神经网络的灌区无人机正射影像渠系提取[J]. 张宏鸣,王斌,韩文霆,杨江涛,蒲攀,蔚继承. 农业机械学报. 2019(06)
[6]新疆迪那河流域轮台人工绿洲耕地时空变化特征分析[J]. 张谱,管文轲,刘洪霞,张和钰,李志鹏,冯益明. 农业机械学报. 2019(05)
[7]基于无人机遥感影像的覆膜农田面积及分布提取方法[J]. 朱秀芳,李石波,肖国峰. 农业工程学报. 2019(04)
[8]基于像元尺度耕地质量局部空间自相关的基本农田划定[J]. 刘彦文,刘成武,何宗宜,周霞. 农业机械学报. 2019(05)
[9]基于FlowS-Unet的遥感图像建筑物变化检测[J]. 顾炼,许诗起,竺乐庆. 自动化学报. 2020(06)
[10]机器学习法的干旱区典型农作物分类[J]. 黄双燕,杨辽,陈曦,姚远. 光谱学与光谱分析. 2018(10)
硕士论文
[1]基于卷积神经网络的高分辨率遥感影像建筑物提取[D]. 高扬.南京大学 2018
[2]基于卷积神经网络的面向对象遥感影像分类方法研究[D]. 陈扬洋.中国地质大学(北京) 2018
[3]基于深度学习的农业遥感图像耕地提取技术研究[D]. 李昌俊.中国科学技术大学 2018
[4]基于Sentinel多源遥感数据的作物分类及种植面积提取研究[D]. 朱琳.西北农林科技大学 2018
[5]基于卷积神经网络的城市区域建筑物自动提取研究[D]. 刘文涛.电子科技大学 2018
[6]基于卷积神经网络的遥感图像目标检测与识别[D]. 赵旭江.中国科学技术大学 2018
[7]基于GF-1遥感影像的农作物面积测量方法研究[D]. 张亚亚.吉林大学 2017
[8]基于深度学习技术的高分辨率遥感影像建设用地信息提取研究[D]. 冯丽英.浙江大学 2017
[9]基于集成学习的农作物遥感分类方法的研究[D]. 刘诗静.黑龙江大学 2017
[10]基于人工神经网络的海岛遥感影像地物分类研究[D]. 曹兆伟.上海海洋大学 2016
本文编号：3515460
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3515460.html
教材专著
