收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

面向对象的卷积神经网络Landsat8影像分类方法研究

吴玄  
【摘要】:地表覆盖是研究地球生态环境,土地管理,可持续发展的重要基础数据。无论是在人文经济还是地球生态环境领域,研究地表覆盖变化都有重要意义。遥感是我们获取地表覆盖信息的重要手段,通过遥感影像我们能够获取当时的地表信息。通过遥感影像解译,获取我们需要的知识。传统遥感影像解译方法包括目视解译,模式分类和图像分割。传统方法一般是通过地物自身光谱,纹理,形状等信息进行地物类别的判断,这种分类标准无法解决同谱异物,混合像元等问题,这种现象在中低分辨率影像上更加明显。因此,如何通过分类器选择和提取影像更深层次的有效特征,是目前研究遥感影像分类的重点和热点。近年来,卷积神经网络在计算机视觉领域获得了很多重大的成果。卷积神经网络能够利用卷积层和池化层自动提取光谱形状等低阶特征,使用全连接层将低阶特征组合成高阶语义特征,通过反向传播算法优化神经元参数,得到一个完整模型。与传统分类方法相比,卷积具有更强的特征提取和表达能力,具有更高的容错率。考虑到卷积神经网络的这些优点,本文将卷积神经网络模型引入中分辨率遥感影像的分类中,并提出了一种面向对象的卷积神经网络模型,实现了对Landsat8影像的分类。总的来说,本文对以下几点展开了研究:(1)卷积神经网络应用于高分辨率影像分类的输入通道一般都是RGB三波段数据。针对Landsat8的b1-b7七波段影像,本文引入遥感图像增强方法,首先对Landsat8七波段数据进行了主成分变换(PCA),得到三个特征波段,然后分别计算归一化植被指数(NDVI),归一化建筑指数(NDBI),归一化水体指数(NDWI)三个特征指数,并将这些特征波段与Landsat8真彩色影像进行波段组合,得到多个通道的输入数据,丰富影像输入的特征空间的同时,探究不同的输入通道对分类结果的影响。(2)目前常用的场景分类模型有VGGNet,GoogLeNet,ResNet,输入窗口大小为224×224,如此大范围的窗口显然不能作为中分辨率影像的输入。为了使卷积神经网络模型能够应用于Landsat8影像分类中,本文缩小了卷积邻域窗口的尺寸,使用21×21、15×15、11×11、7×7四个不同的邻域窗口作为模型的输入窗口,研究不同邻域窗口对分类精度的影响。(3)面向对象是目前高分辨率影像分类常用的方法,面向对象的分类会对地物的光谱、形状、纹理等特征进行综合考虑。本文首先探究不同的分割参数对Landsat8影像分割结果的影响,并将面向对象的方法与卷积神经网络结合,提出一种面向对象的卷积神经网络分类方法(OCNN),计算混淆矩阵,与原卷积神经网络分类结果进行对比,解决了“椒盐”问题,得到了更高的分类精度。


知网文化
【相似文献】
中国期刊全文数据库 前13条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 王方;苗放;陈垦;;基于优化神经网络的地质灾害监测预警仿真[J];计算机仿真;2019年11期
4 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期
5 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期
6 李杰;孙仁诚;;几种典型卷积神经网络的权重分析与研究[J];青岛大学学报(自然科学版);2019年04期
7 岳新;杜玉红;蔡文超;;基于GA-BP神经网络异纤分拣机检测参数优化[J];棉纺织技术;2020年01期
8 赵伟荣;李慧;;基于集成神经网络的织物主观风格预测研究[J];纺织科技进展;2020年01期
9 李金堂;;试析神经网络技术在机械工程中的应用及发展[J];网络安全技术与应用;2020年02期
10 张振;许少华;;一种深度小波过程神经网络及在时变信号分类中的应用[J];软件;2020年02期
11 李金峰;刘云鹤;;不同结构深度神经网络的时间域航空电磁数据成像性能分析[J];世界地质;2020年01期
12 李健;刘海滨;胡笛;;基于生成对抗网络和深度神经网络的武器系统效能评估[J];计算机应用与软件;2020年02期
13 叶凯强;高洪;时培成;;基于循环神经网络的双轴打捆机智能换挡策略研究[J];安徽工程大学学报;2020年01期
中国重要会议论文全文数据库 前10条
1 郝佳恺;赵广怀;高鹏;牛海洋;郝毅;;可变嵌套深度神经网络自动训练方法[A];全国第四届“智能电网”会议论文集[C];2019年
2 徐小天;李敏;孙跃;高冉馨;;深度神经网络的攻击与防御技术研究[A];第三届智能电网会议论文集——智能用电[C];2019年
3 周浩;戴国忠;;基于神经网络的指挥信息系统体系贡献度分析[A];2019第七届中国指挥控制大会论文集[C];2019年
4 朱利明;路达;陈占毅;李方明;;基于BP-RBF神经网络的深基坑邻近建筑物沉降势预测[A];土木工程新材料、新技术及其工程应用交流会论文集(下册)[C];2019年
5 张子腾;梁烨;胡启鹏;张梦隆;陈智慧;;基于迁移卷积神经网络的脑功能连接分类[A];创新发展与情报服务[C];2019年
6 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
7 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
9 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
10 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 刘梦云;基于视觉的室内场景识别及其在多源融合定位中的应用[D];武汉大学;2019年
2 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
3 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
4 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
5 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
6 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
7 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
8 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
9 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
10 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
中国硕士学位论文全文数据库 前10条
1 胡小南;基于深度学习的长途客车乘客大数据处理及分析研究[D];东北大学;2016年
2 万晶;基于深度神经网络的加密流量分类[D];武汉大学;2019年
3 汤倩;基于Cauchy Born准则和神经网络的应力计算[D];武汉大学;2019年
4 牛菲菲;基于词向量表示和卷积神经网络的微博情感分类研究[D];武汉大学;2017年
5 陆璐;基于卷积神经网络的声学场景分类[D];武汉大学;2017年
6 徐安建;基于卷积神经网络的遥感影像农作物分类方法研究[D];武汉大学;2017年
7 吕成城;基于循环神经网络的块稀疏信号恢复算法研究[D];武汉大学;2019年
8 贺三三;卷积神经网络在语义分割中的研究[D];西北师范大学;2019年
9 李永礼;基于脉冲神经网络的视觉图像分类方法研究[D];北京化工大学;2019年
10 陈剑;卷积神经网络的多粒度并行优化研究[D];武汉大学;2017年
中国重要报纸全文数据库 前10条
1 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
2 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
3 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
4 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
5 ;神经网络小史[N];电子报;2018年
6 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
7 ;人工智能将取得大面积突破[N];中国企业报;2017年
8 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
9 ;人类正迎来云端机器人时代[N];中国企业报;2017年
10 张斌;谁还需要“同传”[N];文汇报;2017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