收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

深度学习在遥感影像目标检测和地表覆盖分类中的应用研究

邰建豪  
【摘要】:随着航空航天技术和传感器技术的发展,遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及广泛应用研究的新阶段,人们对高分辨率遥感影像的需求日益增加,并且对高分辨率遥感影像的应用的广度和数据处理的精度提出了更高的要求。目标检测和地表覆盖分类作为遥感数据信息提取的两大关键任务,是遥感应用的基础。然而,遥感数据源的多样化和遥感应用的深入化和综合化发展给这两项任务带来了空前的挑战,现有技术理论需要有一个大的突破才能满足发展的需求。目前的高分辨率遥感影像目标检测和地表覆盖分类方法存在精度不高、效率偏低等问题。传统的目标检测方法面对复杂环境和多源数据时,不能提出好的解决方法。常见的地表覆盖分类方法针对高分辨率影像综合型地类分类问题提出了面向对象的分类方法,但技术还不成熟,分类结果无法满足高精度的需要。这些问题导致高分辨率遥感影像的应用进程受阻,其优势不能充分体现。为了提高高分辨率遥感影像的应用价值,本文展开了基于深度学习的目标检测和地表覆盖分类的相关研究。影响目标检测精度和效率的关键因素在于对目标的特征提取和检测模型的构建,即对目标特征的学习深度和特征匹配的准确度。为了提高目标检测的精度和效率,文本采用深度学习方法,构建了两级级联卷积深度网络的目标检测架构,首级过滤场景,次级目标检测。采用迁移学习方法,有效缩短训练时间,利用目标在遥感影像上稳定的几何特征形态,在提高检测效率的基础上有效降低误检率。高分辨率遥感影像分类的难点在于需要考虑面向对象的分类方法,而非像素级别的分类。针对高分辨率遥感影像分类中综合型地类分类结果零碎、错分和漏分现象严重等问题,本文构建了基于深度学习的面向对象的语义级分类方法。构建了基于全卷积神经网络的分类框架,采用迁移学习方法用少量样本优化分类模型,实现高精度的面向对象的分类。另外,针对单极化合成孔径雷达(Synthetic Aperture Radar,SAR)影像分类精度低的问题,采用图像融合的方法增加光谱信息,提高地类信息量,从而提高分类精度。同时引入了条件随机场方法,对分类后的地类边界进行优化,取得了较好的分类结果。论文的主要工作可以概括为以下几点:(1)对遥感影像目标检测和地表覆盖分类方法的研究现状和发展趋势进行了研究,结合传统研究方法中存在的问题和深度学习在图像理解领域的强大动力,提出了使用深度学习方法进行高分辨率遥感影像目标检测和地表覆盖分类的方案。(2)详细阐述了深度学习的理论基础,对深度学习的原理、方法、模型等做了研究,为遥感影像目标检测、光学遥感影像地表覆盖分类、SAR影像分类提供了理解基础和技术依据。其中重点研究了卷积神经网络(Convolutional Neural Network,CNN)网络的图像分类功能,区域卷积神经网络(Regions with Convolutional Neural Network,R-CNN),Fast R-CNN和Faster R-CNN的目标检测功能,以及全卷积神经网络(Fully Convolutional Neural Network,FCN)的图像分割功能。(3)研究了现有目标检测方法存在的问题,提出了使用既有深度学习模型进行目标检测的弊端。针对这些问题,设计了一套基于深度学习的快速大面积遥感影像飞机检测方法。利用迁移学习原理,建立了高分辨率光学遥感影像飞机样本库,用少量样本数据训练出高精度的遥感影像目标检测模型。充分考虑遥感影像上飞机的几何特征,提出了一种基于几何特征约束的候选框生成算法,有效提高了候选框处理效率。最后,提出基于二级级联卷积神经网络的快速遥感影像目标检测方法。该方法克服了现有深度学习方法在遥感影像目标检测中的缺点,而且解决了弱监督学习用少量样本不能提取目标充分特征的问题,提高了检测效率和精度。(4)围绕高空间分辨率光学遥感影像的分类问题提出了基于深度学习框架下的FCN分类方法。首先,介绍了常用的遥感影像监督分类方法,指出了各种方法存在的缺点,针对高分辨率影像面向对象分类方法中存在的问题,提出了基于FCN的高分辨率遥感影像分类方法。其次,构建了基于FCN分类方法的整体架构,详细介绍了该方法的分类流程,重点研究了样本的制作、模型的训练以及网络参数的设置等。最后,选取了 ZY-3、Worldview2和Google Earth三组高分辨率遥感影像进行了分类实验。并使用了 SVM分类方法和最大似然分类方法做了对比。(5)针对SAR影像在成像机理和影像特性等方面和光学遥感影像有着完全不同的表现形式和理解方式等问题,从信息融合的角度出发,提出了基于Shearlet变换和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的SAR与多光谱影像融合方法,有效提高融合影像的空间信息和光谱信息保有量。设计了基于FCN的SAR融合后影像分类框架和分类方法。通过对少量训练样本学习,提取丰富的深层次影像特征图,提高了单极化SAR影像的分类精度。使用条件随机场模型对分类结果调整,有效优化了地类边界。使用TerraSAR-X 3米分辨率的HH单极化影像与Landsat5-TM多光谱影像和Worldview2多光谱影像进行融合和分类实验。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 袁如金;张敏;李世伟;;基于华浩超算平台遥感影像几何校正研究——以资源一号02C数据为例[J];测绘与空间地理信息;2017年01期
2 马慧云;吴晓京;赵国庆;姜丙波;;遥感影像反演的雾参数地区差异性分析[J];遥感信息;2017年03期
3 雒培磊;李国庆;曾怡;;一种改进的基于深度学习的遥感影像拼接方法[J];计算机工程与应用;2017年20期
4 鄢咏折;范晓燕;;遥感影像变化监测方法简述[J];城市建设理论研究(电子版);2017年22期
5 蔡红玥;;一种遥感影像镶嵌线自动提取方法[J];城市地理;2017年08期
6 张灵凯;于良;;多源遥感数据融合研究综述[J];城市地理;2017年02期
7 刘琴;王正祥;;论空中测量无人机遥感影像应用[J];城市地理;2017年12期
8 崔青岩;刘超;;青海省玛沁县索呼多地区遥感影像地质特征及意义[J];环球人文地理;2017年09期
9 田甜;张景发;姜文亮;王鑫;;基于ArcGIS 10.0的遥感影像批量标准制图的实现[J];地壳构造与地壳应力文集;2016年01期
10 田甜;张景发;姜文亮;罗毅;;地震多源异构遥感影像数据库系统设计与实现[J];地壳构造与地壳应力文集;2016年02期
11 富佳;;应用卫星遥感影像进行内外业一体化地形图制作[J];科学中国人;2017年11期
12 汪承义;赵忠明;杨健;;可视化遥感影像库系统设计与实现[J];计算机工程;2008年02期
13 ;您需要ASTER、ASAR遥感影像吗?[J];遥感信息;2004年03期
14 陈秋晓,骆剑承,周成虎;基于多特征的遥感影像分析——一个新的视角[J];国土资源遥感;2003年01期
15 曹艳杰;;遥感影像规模化高效处理方法与实现[J];计算机与数字工程;2016年11期
16 李国;姜坚;哈长亮;;暗原色与导向滤波结合的遥感影像去雾技术[J];北京测绘;2017年04期
17 丁凯孟;;基于感知哈希的遥感影像认证算法研究[J];测绘学报;2017年09期
18 吕超;吕游;;遥感影像信息提取技术的研究与实现[J];黑龙江工程学院学报;2014年01期
中国重要会议论文全文数据库 前10条
1 张顺谦;;遥感影像三维可视化研究[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“农业气象与生态环境”分会论文集[C];2003年
2 杜培军;方涛;林卉;;遥感影像库中数据挖掘与知识发现的研究[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
3 熊剑;;地形起伏地区的遥感影像预处理研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
4 肖倩;李光耀;;航空遥感影像道路提取方法综述[A];全国第十届信号与信息处理、第四届DSP应用技术联合学术会议论文集[C];2006年
5 李江涛;;遥感影像在海事测绘中的应用[A];2007'全国测绘科技信息交流会暨信息网成立30周年庆典论文集[C];2007年
6 李江涛;;遥感影像在海事测绘中的应用[A];华东地区第十次测绘学术交流大会论文集[C];2007年
7 徐宏涛;;遥感影像的信息量及不确定性研究[A];云南省测绘地理信息学会2017年学术年会论文集[C];2017年
8 谭明;李成钢;石晓春;邱宏华;;基于特征的高分辨遥感影像道路提取[A];全国测绘科技信息网中南分网第二十四次学术信息交流会论文集[C];2010年
9 谭明;李成钢;石晓春;邱宏华;;基于特征的高分辨遥感影像道路提取[A];广东省测绘学会第九次会员代表大会暨学术交流会论文集[C];2010年
10 杨博;陈建平;王功文;孙岩;;基于矩形有限元分析的高精度遥感影像几何校正方法研究[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
中国博士学位论文全文数据库 前10条
1 邰建豪;深度学习在遥感影像目标检测和地表覆盖分类中的应用研究[D];武汉大学;2017年
2 李铭;任务驱动的遥感影像检索案例推理方法研究[D];武汉大学;2014年
3 顾海燕;遥感影像地理本体建模驱动的对象分类技术[D];武汉大学;2015年
4 陈冲;面向多任务粒度的遥感影像镶嵌并行技术研究[D];南京大学;2015年
5 熊礼治;云环境下遥感影像内容安全研究[D];武汉大学;2016年
6 闫冬梅;基于特征融合的遥感影像典型线状目标提取技术研究[D];中国科学院研究生院(遥感应用研究所);2003年
7 刘亚岚;遥感影像群判读技术的试验研究[D];中国科学院研究生院(遥感应用研究所);2004年
8 王占宏;遥感影像信息量及质量度量模型的研究[D];武汉大学;2004年
9 程起敏;基于内容的遥感影像库检索关键技术研究[D];中国科学院研究生院(遥感应用研究所);2004年
10 宋伟东;稀少控制点下遥感影像纠正模型研究[D];辽宁工程技术大学;2005年
中国硕士学位论文全文数据库 前10条
1 曹梦鸽;面向大数据的遥感影像金字塔模型的研究[D];东北林业大学;2018年
2 田鹏;基于TM遥感影像分割的小班界限提取[D];东北林业大学;2017年
3 孙语阳;美国FDI对中国贸易结构的影响研究[D];华东师范大学;2018年
4 秦帅;A公司研发人员流失原因及对策研究[D];华东师范大学;2018年
5 田依洁;北京市呼吸系统疾病与气象因素及空气质量关系的研究[D];兰州大学;2018年
6 王涵;基于高分遥感影像的大变形滑坡位移场监测方法研究[D];东北大学;2015年
7 徐锐;高光谱高空间分辨率遥感影像建筑物提取及场景理解[D];重庆交通大学;2018年
8 崔浩;遥感影像增强及色彩一致性算法研究[D];兰州交通大学;2018年
9 王潇;面向屏摄过程的遥感影像数字水印算法研究[D];南京师范大学;2018年
10 程清;一种面向农田提取的高分遥感影像分割模型[D];山东农业大学;2018年
中国重要报纸全文数据库 前10条
1 陈中林;《四川省遥感影像统筹管理办法》发布实施[N];中国自然资源报;2019年
2 张志忠;青海实现高分遥感影像全覆盖[N];中国测绘报;2018年
3 张鹏英;国产遥感影像迎来共享时代[N];科技日报;2013年
4 张超;让北京发展一目了然[N];科技日报;2005年
5 侯振荣;黑龙江省制作分市县遥感影像系列挂图[N];中国测绘报;2009年
6 李禾;我首颗环境卫星传回遥感影像[N];科技日报;2008年
7 记者 吴晶晶;我用遥感影像发现3处油迹带[N];新华每日电讯;2014年
8 沈占锋;遥感影像信息提取与分析[N];计算机世界;2006年
9 王瑜婷;测绘部门快速制作灾区各县遥感影像地图[N];中国测绘报;2008年
10 彭舒;遥感影像几何和光谱高精度重建技术获突破[N];中国测绘报;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978