發(fā)布時(shí)間：2024-05-27 00:34

　　土地覆蓋分類是地球觀測(cè)中重點(diǎn)和廣泛研究的領(lǐng)域。隨著航空航天技術(shù)的不斷發(fā)展,遙感圖像的獲取成本越來越小,推動(dòng)遙感圖像分類技術(shù)快速發(fā)展。其中基于深度學(xué)習(xí)的高分辨率影像分類技術(shù)已經(jīng)在建筑物分類、水資源保護(hù)以及城市提取等實(shí)際應(yīng)用中具有出色的表現(xiàn)。但是不同于建筑物、河流,類似植物、農(nóng)作物等地物的形態(tài)受季節(jié)影響,其在遙感影像上不同時(shí)期呈現(xiàn)不同形態(tài),即存在同物異譜和同譜異物問題,導(dǎo)致分類精度不能滿足實(shí)際需求,因此探索多時(shí)相的遙感分類技術(shù)具有重要的研究?jī)r(jià)值。循環(huán)卷積網(wǎng)絡(luò)(RNN)已經(jīng)成功應(yīng)用于機(jī)器翻譯、語(yǔ)音識(shí)別等領(lǐng)域,并逐漸擴(kuò)展到其他領(lǐng)域。本文在基于語(yǔ)義分割網(wǎng)絡(luò)架構(gòu)上融合了RNN提取時(shí)間序列的思想,提出了一種高效的多時(shí)相語(yǔ)義分割網(wǎng)絡(luò),并以此實(shí)現(xiàn)了高密地區(qū)的土地覆蓋分類任務(wù)。本文主要工作總結(jié)如下:(1)目前,經(jīng)典分類算法對(duì)高分辨率遙感影像中的空間和光譜信息利用不足,并且特征工程設(shè)計(jì)繁瑣,泛化能力較差,導(dǎo)致精度不足。因此本文探討了深度學(xué)習(xí)網(wǎng)絡(luò)在高分辨率遙感影像中的應(yīng)用。提出了編解碼結(jié)構(gòu)的語(yǔ)義分割網(wǎng)絡(luò)模型,該網(wǎng)絡(luò)可以有效提取遙感影像的空間和光譜信息,實(shí)現(xiàn)高精度自動(dòng)化地物提取。(2)針對(duì)單時(shí)相影像,構(gòu)建了一個(gè)...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 遙感解譯技術(shù)在土地覆蓋分類的國(guó)內(nèi)外研究
        1.2.1 經(jīng)典遙感解譯技術(shù)研究進(jìn)展
        1.2.2 深度學(xué)習(xí)遙感解譯技術(shù)研究進(jìn)展
        1.2.3 多時(shí)相遙感解譯技術(shù)研究進(jìn)展
        1.2.4 存在的問題
    1.3 論文研究思路及流程
    1.4 論文研究?jī)?nèi)容
    1.5 論文結(jié)構(gòu)安排
2 數(shù)據(jù)源和實(shí)驗(yàn)區(qū)
    2.1 試驗(yàn)區(qū)概況
    2.2 遙感數(shù)據(jù)源
    2.3 遙感影像預(yù)處理
    2.4 數(shù)據(jù)集標(biāo)注
    2.5 數(shù)據(jù)增強(qiáng)
    2.6 本章小結(jié)
3 遙感圖像分類方法
    3.1 基于SVM分類方法
    3.2 基于面向?qū)ο蠓椒?br>        3.2.1 基于邊界分割算法
        3.2.2 基于區(qū)域分割合并算法
        3.2.3 基于遙感影像的多尺度分割面向?qū)ο蠓椒?br>    3.3 深度學(xué)習(xí)方法
        3.3.1 基于U-net的分類方法
        3.3.2 基于Deeplabv3+的分類方法
        3.3.3 Long-Short Term Memory(LSTM)
    3.4 本章小結(jié)
4 基于Fast-Deeplabv3+的單時(shí)相大棚提取
    4.1 概述
    4.2 數(shù)據(jù)準(zhǔn)備
    4.3 模型搭建及訓(xùn)練
        4.3.1 深度可分離卷積的反向殘差結(jié)構(gòu)
        4.3.2 空洞卷積密集預(yù)測(cè)
        4.3.3 適應(yīng)多尺度的解碼器結(jié)構(gòu)
        4.3.4 網(wǎng)絡(luò)訓(xùn)練
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 實(shí)驗(yàn)準(zhǔn)備
        4.4.2 精度評(píng)價(jià)
        4.4.3 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
5 基于FMTSN的多時(shí)相土地覆蓋分類
    5.1 概述
    5.2 數(shù)據(jù)準(zhǔn)備
    5.3 模型搭建及網(wǎng)絡(luò)訓(xùn)練
        5.3.1 Seq2seq模型
        5.3.2 Patch-LSTM提取時(shí)空特性
        5.3.3 網(wǎng)絡(luò)搭建及訓(xùn)練
    5.4 實(shí)驗(yàn)結(jié)果及分析
    5.5 本章小結(jié)
6 結(jié)論展望
    6.1 研究結(jié)論
    6.2 創(chuàng)新點(diǎn)
    6.3 研究展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號(hào)：3982517