导读:本文包含了遥感影像论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:遥感,影像,神经网络,植被,目标,滑坡,深度。
遥感影像论文文献综述
么嘉棋,陈继溢,陈赟,刘超镇,李国元[1]（2019）在《联合深度学习和条件随机场的遥感影像云检测》一文中研究指出针对最大类间分类法等传统方法在高分辨率影像云检测时对噪声敏感、云边缘轮廓不精确等问题,该文提出一种结合神经网络结构SegNet和条件随机场的云检测方法,在实现含云区域提取的同时很好地保留了云的边缘轮廓。实验结果表明,结合SegNet神经网络和条件随机场的云检测精度达到94.8%,高于其他经典算法约5%,边缘保持度精度高,并避免了经典算法对噪声敏感的缺点。(本文来源于《测绘科学》期刊2019年12期）
赵有松,张继贤,罗伏军,党宇[2]（2019）在《遥感影像解译样本生产质量控制方法研究》一文中研究指出针对第一次全国地理国情普查质量检验过程中发现的遥感影像解译样本数据的质量问题,如遥感影像解译样本缺少典型性、地面照片拍摄不符合技术规程、影像实例数据结构异常等系统性质量问题,以及解译样本采集中存在操作不规范、样本采集主观影响较大等主观性质量问题,该文分析了影响遥感影像解译样本质量的关键生产要素、环节与原因等,提出了全过程的生产质量控制方法,给出了提高遥感影像解译样本过程的质量控制措施。该研究提出的基于全过程质量控制体系新需求,以解决质量问题为导向的生产质量控制方法,可以提升遥感影像解译样本质量,并为今后相关工程项目生产过程的质量控制提供借鉴。(本文来源于《测绘科学》期刊2019年12期）
彭继达,张春桂[3]（2019）在《基于高分一号遥感影像的植被覆盖遥感监测——以厦门市为例》一文中研究指出植被对环境变化有重要影响,特别是在碳循环中起着关键性作用。随着局地植被精细化监测要求的提高,传统中低分辨率遥感植被监测方式已经很难满足需求,而高分辨率卫星具有高空间分辨率优势,可以对植被进行更精细的遥感监测。本研究从高分一号卫星数据的特征出发,研究高分一号卫星数据辐射定标、大气校正和正射校正的预处理方法及高分一号卫星植被覆盖度遥感反演方法。最后,以福建省厦门市为例,利用高分一号多光谱相机(GF-1-WFV1) 16 m影像数据反演植被覆盖度,并划分植被覆盖等级。根据植被覆盖度分布显示,高分一号卫星能精确监测厦门市植被覆盖度分布状况。监测统计结果表明,厦门市大部分地区为高或较高植被覆盖度区,其中,海沧、集美、翔安和同安内陆地区植被覆盖等级明显优于沿海地区,厦门岛南部地区植被覆盖度优于北部地区。(本文来源于《国土资源遥感》期刊2019年04期）
白晓琼,王汶,林子彦,张耀军,王昆[4]（2019）在《基于高空间分辨率遥感影像的叁维绿度度量》一文中研究指出绿地的科学度量是城市绿地合理规划的基础,绿化指标是城市规划者在绿地建设中的重要依据。目前城市绿地建设中广泛应用的绿化评价指标均为二维指标,其对于绿地的评价过于宽泛,难以反映绿地立体景观及其生态效益。为此,基于高分二号遥感影像构建叁维绿度指数(three-dimensional green index,TGI),以期更加准确地度量城市绿地建设质量。首先,采用面向对象的分类方法提取植被及其阴影信息;然后,根据植被高度和阴影长度的几何关系模型反演植被高度;最后,构建TGI,并以深圳市福田区沙头街道为研究区进行实验,与传统的绿化覆盖率指标进行比较分析。结果表明,与绿化覆盖率相比,TGI能够更客观细致地评价绿地立体景观,反映绿地实际生态效益,能够在城市绿地建设中为规划、决策、管理提供更加科学合理的绿度度量依据。(本文来源于《国土资源遥感》期刊2019年04期）
贾伟洁,王治华[5]（2019）在《基于高分辨率遥感影像的滑坡活动特征及稳定性分析——以东苗家滑坡为例》一文中研究指出基于综合校正后的2002—2016年间9景高分辨率影像、加密的ASTER GDEM高程数据产品和1∶20万洛阳市幅区域地质图,采用数字滑坡技术解译了洛阳市东苗家滑坡地形地貌,分析了滑坡形成条件和活动特征,并推测了滑坡稳定性现状。结果显示,东苗家滑坡过程可以分为首次滑坡活动、随后牵引活动、前部滑坡活动和后续滑坡活动4个阶段;形成7个平台和前部陡坡的四级台地地形;东苗家滑坡的总方量约为425. 4万m3;整体和各局部无明显变形位移现象,状态稳定。(本文来源于《国土资源遥感》期刊2019年04期）
夏文彬,柳丽仙,黄亮[6]（2019）在《结合简化PCNN和Zernike矩的遥感影像边缘检测方法》一文中研究指出遥感影像边缘信息可以提高信息提取精度。但随着空间分辨率的提高,地物内部细节丰富,地物光谱异质性增强,导致边缘检测效果难以满足实际需求。针对现有传统方法对高空间遥感影像进行边缘检测易产生伪轮廓边缘的复杂问题,本文提出了一种简化脉冲耦合神经网络(Simplified Pulse Coupled NeuralNetwork,SPCNN)结合Zernike矩的边缘检测方法。该方法首先采用L0方法对遥感影像进行平滑滤波处理;然后采用SPCNN对滤波后的数据进行阈值分割;最后采用Zernike矩对分割后的影像进行边缘检测并对结果进行精度评价。为验证提出方法,选取两景遥感影像作为实验数据。实验结果表明,提出的方法与传统Canny算子相比有效提高了遥感影像边缘检测精度。(本文来源于《软件》期刊2019年12期）
徐柯[7]（2019）在《基于多源遥感影像的地质灾害分析——以西藏普兰县为例》一文中研究指出为了能够彻底查清尼泊尔4.25地震后普兰县地质灾害的发育状况和致灾因素,采用遥感解译和野外调查相结合的手段,对普兰县境内的各种地质灾害进行了全面普查和统计。共解译和查明地质灾害115处,其中泥石流是当地威胁最大的地质灾害类型。分析结果表明,地震、强降水和人类活动是这些地质灾害的主要诱发因素。遥感解译精度也在野外验证阶段得到了肯定。(本文来源于《技术与市场》期刊2019年12期）
隋雪莲,张涛,曲乔新[8]（2019）在《深度学习在遥感影像目标识别与定位中的应用研究》一文中研究指出长期以来,遥感影像的目标识别与定位主要依靠目视判读和人工手段,误判和漏判情况严重,且检测精度较低。文章介绍了基于深度学习的目标检测算法,探讨了将深度学习应用于遥感影像目标识别与定位需要的关键技术,并对深度学习在目标识别与定位中的应用进行了前景展望。(本文来源于《科技创新与应用》期刊2019年34期）
张霞,张春亢,李红梅,罗竹,林健云[9]（2019）在《结合笔画宽度变换与均值漂移的遥感影像道路提取》一文中研究指出针对在高分辨率遥感影像进行道路提取时,笔画宽度变换算法受周围地物的影响较大,无法直接获取高精度道路信息的问题,提出一种结合笔画宽度变换与均值漂移的道路提取方法:首先,利用均值漂移算法对遥感影像进行分割,以减少笔画宽度变换的错提取现象;其次,运用笔画宽度变换将不同类别的像素分为道路类和非道路类;最后,为进一步提高道路提取精度,减小斑点和非道路区域干扰,采用数学形态学方法进行提取后处理。实验结果表明:该方法可以从遥感影像中准确完整地提取出道路信息,且比直接使用笔画宽度变换算法和均值漂移算法的提取精度更高。(本文来源于《测绘科学技术学报》期刊2019年03期）
张晓东,张力飞,陈关州,朱坤[10]（2019）在《基于深度学习的遥感影像地物目标检测和轮廓提取一体化模型》一文中研究指出随着遥感影像的分辨率不断提升,基于可见光遥感影像地物目标检测和轮廓提取的研究越来越受到关注。基于深度学习的方法提出一个利用遥感影像进行地物目标检测和轮廓提取的一体化模型,旨在解决遥感影像地物目标检测和轮廓提取中繁复的手工标注和传统算法效果不佳的难题。以船舶为研究对象,在HRSC2016遥感数据集上进行验证,单类目标检测精度可以达到79.50%,4类目标检测精度为63.45%,轮廓提取精度可以达到97.40%。结果证明,提出的模型可以实现基于遥感影像的自动化、智能化的船舶目标轮廓提取。(本文来源于《测绘地理信息》期刊2019年06期）
遥感影像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对第一次全国地理国情普查质量检验过程中发现的遥感影像解译样本数据的质量问题,如遥感影像解译样本缺少典型性、地面照片拍摄不符合技术规程、影像实例数据结构异常等系统性质量问题,以及解译样本采集中存在操作不规范、样本采集主观影响较大等主观性质量问题,该文分析了影响遥感影像解译样本质量的关键生产要素、环节与原因等,提出了全过程的生产质量控制方法,给出了提高遥感影像解译样本过程的质量控制措施。该研究提出的基于全过程质量控制体系新需求,以解决质量问题为导向的生产质量控制方法,可以提升遥感影像解译样本质量,并为今后相关工程项目生产过程的质量控制提供借鉴。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遥感影像论文参考文献
[1].么嘉棋,陈继溢,陈赟,刘超镇,李国元.联合深度学习和条件随机场的遥感影像云检测[J].测绘科学.2019
[2].赵有松,张继贤,罗伏军,党宇.遥感影像解译样本生产质量控制方法研究[J].测绘科学.2019
[3].彭继达,张春桂.基于高分一号遥感影像的植被覆盖遥感监测——以厦门市为例[J].国土资源遥感.2019
[4].白晓琼,王汶,林子彦,张耀军,王昆.基于高空间分辨率遥感影像的叁维绿度度量[J].国土资源遥感.2019
[5].贾伟洁,王治华.基于高分辨率遥感影像的滑坡活动特征及稳定性分析——以东苗家滑坡为例[J].国土资源遥感.2019
[6].夏文彬,柳丽仙,黄亮.结合简化PCNN和Zernike矩的遥感影像边缘检测方法[J].软件.2019
[7].徐柯.基于多源遥感影像的地质灾害分析——以西藏普兰县为例[J].技术与市场.2019
[8].隋雪莲,张涛,曲乔新.深度学习在遥感影像目标识别与定位中的应用研究[J].科技创新与应用.2019
[9].张霞,张春亢,李红梅,罗竹,林健云.结合笔画宽度变换与均值漂移的遥感影像道路提取[J].测绘科学技术学报.2019
[10].张晓东,张力飞,陈关州,朱坤.基于深度学习的遥感影像地物目标检测和轮廓提取一体化模型[J].测绘地理信息.2019
论文知识图
