基于多类特征深度学习的高分辨率遥感影像分类

论文摘要

伴随我国高分辨率对地观测系统的启动,高空间分辨率（下文简称“高分辨率”）遥感影像数据也呈现海量增长。高分辨率遥感影像具有空间分辨率高、影像复杂程度高、光谱信息欠缺、类内差异大以及几何纹理等特征丰富的特点,利用传统的遥感影像分类方法对其进行分类效果不理想,亟须寻找一种高精度、快速高效的影像分类方法。而近年来深度学习技术迅猛发展,针对这一问题,本文将深度学习技术用于了高分辨率遥感影像分类,考虑到高分影像光谱信息欠缺,所以构建了多类影像特征作为其补充,提出了一种基于多类特征深度学习的高分辨率遥感影像分类方法,共完成了以下几点工作:第一,阐述了国内外对于深度学习技术以及遥感影像分类的研究现状。介绍了常用的遥感影像分类方法,并指出了深度学习方法在高分辨率遥感影像分类中的优势。第二,介绍了高分辨率遥感影像的深度学习分类方法。对几种常见的影像分类深度模型进行了阐述,通过具体的比较和分析,选取了较优的U-Net模型进行后续的高分辨率遥感影像分类研究。第三,介绍了高分辨率遥感影像的多类特征构建。考虑到高分辨率遥感影像的光谱信息较为欠缺,但包含丰富的空间、纹理等信息,所以文中分别构建了四种影像特征,即影像空间特征、影像对比度特征、影像植被特征和影像纹理特征,将其作为原始光谱信息的补充,用于后续的深度学习训练。文中采用了数字表面模型将其作为影像空间特征;文中详细对比分析了基于全局对比度的HC算法和基于局部对比度的AC算法,结合实际应用情况,选取了基于局部对比度的AC算法进行影像对比度特征提取;文中通过构建归一化植被指数来进行影像植被特征提取;文中利用圆形LBP算法来进行影像纹理特征提取。第四,提出了一种基于多类特征深度学习的高分辨率遥感影像分类方法。首先利用U-Net模型作为基础深度学习模型,将构建的影像多类特征输入模型中进行训练,然后利用测试集预测得到分类图,文中利用了条件随机场的方法对分类图进行后处理。由于构建了四类影像特征,所以相应会得到四幅分类图,文中根据一定的融合规则对多幅分类图进行了融合,得到最终分类结果。第五,总结分析了实验结果。利用多个精度评定指标对本文方法的分类结果进行定量精度评价,详细分析了影像多类特征以及分类图融合对分类结果的影响。然后将本文方法与几种经典的深度学习模型即FCN-32s、FCN-16s、FCN-8s、SegNet和原始U-Net模型进行了详细的对比分析。实验结果表明,本文方法的精度较高、效果较好,可以很好地对高分辨率遥感影像进行分类。

论文目录

文章来源

类型: 硕士论文

作者: 刘威

导师: 赵西安,吕京国,杨伯钢

关键词: 高分辨率遥感影像,多类特征,深度学习,模型,影像分类

来源: 北京建筑大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 自然地理学和测绘学,工业通用技术及设备,自动化技术,自动化技术

单位: 北京建筑大学

分类号: P237;TP751;TP18

总页数: 104

文件大小: 10160K

下载量: 721

相关论文文献

• [1].深度学习算法在遥感影像分类识别中的应用现状及其发展趋势[J]. 测绘与空间地理信息 2020(04)
• [2].基于监督分类的遥感影像分类方法研究[J]. 西部探矿工程 2020(12)
• [3].基于样本优选改进的随机森林遥感影像分类研究[J]. 城市勘测 2017(04)
• [4].遥感影像分类方法研究[J]. 黑龙江科技信息 2012(33)
• [5].遥感影像分类方法研究进展[J]. 光谱学与光谱分析 2011(10)
• [6].基于深度迁移学习的城市高分遥感影像分类[J]. 江西科学 2020(01)
• [7].深度学习在遥感影像分类中的研究进展[J]. 计算机应用研究 2018(12)
• [8].融合时间特征的遥感影像分类[J]. 国土资源遥感 2017(01)
• [9].面向高分辨率遥感影像分类的分层策略研究[J]. 四川水泥 2017(05)
• [10].高光谱遥感影像分类方法综述[J]. 安徽农学通报 2017(14)
• [11].利用空间抽样理论的遥感影像分类结果精度评价方法[J]. 计算机应用与软件 2016(07)
• [12].遥感影像分类结果的不确定性研究[J]. 中国农学通报 2010(05)
• [13].深度学习在遥感影像分类与识别中的研究进展综述[J]. 测绘通报 2019(02)
• [14].一种基于特征选择的面向对象遥感影像分类方法[J]. 科学技术与工程 2016(32)
• [15].基于人工神经网络法的遥感影像分类研究[J]. 山西师范大学学报(自然科学版) 2017(01)
• [16].基于规则的遥感影像分类方法研究——以黄山市为例[J]. 安徽理工大学学报(自然科学版) 2014(04)
• [17].遥感影像分类方法研究动态[J]. 安徽农业科学 2012(28)
• [18].遥感影像分类中的模糊聚类有效性研究[J]. 武汉大学学报(信息科学版) 2009(04)
• [19].基于决策树的遥感影像分类方法研究[J]. 农家参谋 2020(16)
• [20].矿区塌陷区遥感影像分类方法应用[J]. 测绘与空间地理信息 2020(10)
• [21].遥感影像分类方法精度研究[J]. 牡丹江师范学院学报(自然科学版) 2017(01)
• [22].多种信息分割合并的面向对象遥感影像分类[J]. 测绘科学 2014(08)
• [23].基于混沌遗传算法的遥感影像分类[J]. 测绘科学 2011(02)
• [24].基于核模糊聚类的遥感影像分类[J]. 南京林业大学学报(自然科学版) 2010(06)
• [25].深度学习在多标签遥感影像分类中应用的研究现状[J]. 科学技术创新 2020(01)
• [26].小样本条件下的半监督遥感影像分类方法研究[J]. 青海科技 2020(01)
• [27].基于改进决策树分类算法的遥感影像分类研究[J]. 计算机测量与控制 2018(07)
• [28].决策树算法在西藏遥感影像分类中的应用研究[J]. 测绘 2011(01)
• [29].假彩色合成和精度评价方法对遥感影像分类精度的影响[J]. 重庆电子工程职业学院学报 2009(05)
• [30].“四同”条件下周口城区高分一号遥感影像分类对比研究[J]. 地球信息科学学报 2020(10)

标签：高分辨率遥感影像论文;  多类特征论文;  深度学习论文;  模型论文;  影像分类论文;