收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于循环神经网络模型的遥感影像时间序列分类及变化检测方法研究

林蕾  
【摘要】:遥感影像时间序列作为多时相影像的一种载体,蕴含着地物在空间和时间上的巨量信息,如何有效地挖掘这些时空信息对于遥感影像的应用具有至关重要的作用,而目前的数据挖掘方法往往对时间维信息利用不足,导致了各种问题的出现。循环神经网络(Recurrent Neural Network,RNN)对于时间序列挖掘具有天然的优势,已经成功应用在语音识别、计算机视觉等领域,并逐渐扩展到其他领域,在这种大潮流下,本文有意将循环神经网络模型引入到遥感图像的处理和分析中,目的在于借助该模型的优越性能解决遥感应用中的一些难题。为此,本文将循环神经网络模型应用在遥感影像时间序列的分类和变化检测中,根据循环神经网络的特点和本文的研究目标,提出了两种深度RNN模型用于MODIS影像时间序列分类,以此实现了北京市的土地覆盖分类;同时,将机器翻译领域应用广泛的“序列到序列”(sequence-to-sequence,seq2seq)模型应用在Landsat-8影像时间序列的变化检测中,以此实现了北京市昌平区的土地覆盖变化检测。本文围绕循环神经网络模型,对遥感影像时间序列的分类和变化检测中涉及的问题展开了一系列研究。论文的主要研究内容和创新点包括以下几点:(1)构建了两种深度循环神经网络模型用于遥感影像时间序列分类,一种为深度栈式LSTM(deep Stacked Long Short Term Memory,dSLSTM)模型,一种为深度双向LSTM(deep Bidirectional Long Short Term Memory,dBLSTM)模型。其中,深度栈式LSTM模型通过将LSTM进行堆叠构造出多层网络模型,深度双向LSTM模型通过将两个LSTM模型组合,实现对时间序列数据的“正向”和“逆向”处理,深度双向LSTM模型同样包含多层网络结构。实验表明,深度栈式LSTM模型和深度双向LSTM模型在遥感影像时间序列分类方面具有良好的性能,分类精度优于支持向量机和随机森林两种分类器,同时,选择合适的网络结构和参数能够提高两种模型的分类精度。(2)将机器翻译领域使用的seq2seq模型和注意力机制应用在土地覆盖变化检测中。利用seq2seq模型实现了遥感影像时间序列与地物状态序列之间的对应,并利用这种“序列到序列”的对应结构实现了土地覆盖变化信息的直接提取。为了提高变化检测的准确率,消除部分伪变化,在进行变化检测时将土地利用转移概率矩阵作为先验知识加入模型中进行辅助判断。实验表明,利用seq2seq模型进行土地利用覆盖变化检测是行之有效的,在变化检测精度方面优于连续变化检测和分类(Continuous Change Detection and Classification,CCDC)模型。(3)为了解决训练样本不足的问题,提出了面向遥感影像时间序列的数据增强方法,包括截断扩增、混合扩增、平移和缩放,其中,截断扩增方法是指通过将同类地物的光谱反射率时间序列截断之后再组合起来,来构造新的时间序列;混合扩增方法通过组合各种地类的纯净像元的时间序列,来模拟混合像元的时间序列;平移和缩放是指对原始时间序列进行小范围的平移、缩放,以模拟由于物候期提前或延迟所造成的时间序列变化,从而增加训练样本集的多样性。类似于截断扩增方法,本文还提出了一种模拟变化时间序列的方法,即利用选取的未发生变化的时间序列去构造变化时间序列,。实验表明,通过数据增强方法能够提高深度循环神经网络模型的分类能力,通过模拟获取的遥感影像时间序列同样能够训练变化检测模型,并且能够取得满足实际应用需求的变化检测结果,本文提出的面向遥感影像时间序列的数据扩增方法和生成方法是有效的。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 周天祥;陈晶;;阿勒泰地区降水时间序列的多重分形特征分析[J];绍兴文理学院学报(自然科学);2021年01期
2 杨梦晨;陈旭栋;蔡鹏;倪葎;;早期时间序列分类方法研究综述[J];华东师范大学学报(自然科学版);2021年05期
3 郑丹;;基于人工智能算法的优选时间序列数据模型设计[J];九江学院学报(自然科学版);2021年03期
4 张笑东;夏筱筠;蒲宝明;公绪超;王帅;;基于非稳态时间序列的生理控制模型研究[J];系统工程理论与实践;2020年02期
5 赵凯;;基于模糊时间序列的计算机信息粒构建研究[J];粘接;2020年10期
6 孙其法;闫秋艳;闫欣鸣;;基于多样化top-k shapelets转换的时间序列分类方法[J];计算机应用;2017年02期
7 王金策;杨宁;;时间序列趋势预测[J];现代计算机(专业版);2017年02期
8 彭佳星;肖基毅;;基于分型转折点的证券时间序列分段表示法[J];商;2016年31期
9 刘伟龙;;基于ARMA模型的股价预测及实证研究[J];智富时代;2017年02期
10 周仰;;《漫长的告别》(年度资助摄影图书)[J];中国摄影;2017年04期
11 刘明华;张晋昕;;时间序列的异常点诊断方法[J];中国卫生统计;2011年04期
12 郭崇慧;苏木亚;;基于独立成分分析的时间序列谱聚类方法[J];系统工程理论与实践;2011年10期
13 王佳林;王斌;杨晓春;;面向不确定时间序列的分类方法[J];计算机研究与发展;2011年S3期
14 万里;廖建新;朱晓民;倪萍;;一种基于频繁模式的时间序列分类框架[J];电子与信息学报;2010年02期
15 左爱文;郭宏武;王保保;;气象时间序列规则发现及其应用[J];陕西气象;2006年06期
16 许清海;混沌投资时间序列的嬗变[J];漳州师范学院学报(自然科学版);2003年01期
17 王海燕,李文,陈文彦;时间序列间统计依赖性测量的一种改进方法[J];南京理工大学学报(自然科学版);2002年03期
中国重要会议论文全文数据库 前20条
1 陈恩泽;杨张婧;阎威武;;一种基于图卷积网络的时间序列预测模型[A];第32届中国过程控制会议(CPCC2021)论文集[C];2021年
2 陈睿;王建国;蔡学志;刘丽兰;姚远;;基于偏符号传递熵的故障根源诊断研究[A];第32届中国过程控制会议(CPCC2021)论文集[C];2021年
3 曾朝晖;姚宏亮;陈晓方;谢永芳;;一种基于小波变化的ARMA-LSTM的时间序列混合预测方法[A];第32届中国过程控制会议(CPCC2021)论文集[C];2021年
4 旷凌;宋昕熠;鲁帆;岳小雨;;暴雨时间序列统计建模方法比较及应用[A];中国水利学会2019学术年会论文集第二分册[C];2019年
5 董国涛;贾岛;薛华柱;廉耀康;;基于LSTM网络的黑河流域月径流量预测[A];中国水利学会2020学术年会论文集第三分册[C];2020年
6 张志鹏;郝晓辰;杨跃;徐清泉;杨旭年;;基于高维时间序列滑动窗口的LightGBM水泥熟料f-CaO预测[A];2021中国自动化大会论文集[C];2021年
7 王春振;白凯华;张帅普;汤珊珊;;南宁市降雨的均值趋势调整法预测[A];2020中国环境科学学会科学技术年会论文集(第四卷)[C];2020年
8 贾国祖;谢思敏;王天思;;基于时间序列的5G云化网络异常检测[A];推动网络演进 促进应用创新——5G网络创新研讨会(2021)论文集[C];2021年
9 李明佳;孙建宝;周仕勇;;InSAR并行化时间序列数据处理在华北地区大规模形变场监测中的应用[A];2019年中国地球科学联合学术年会论文集(八)——专题21:活动地块边界带强震机理与预测、专题22:中国地震科学实验场[C];2019年
10 朱利明;卓静超;邢世玲;;基于小波分解与CEEMDAN的桥梁SHM应变预测[A];第九届桥梁与隧道工程技术论坛论文集[C];2019年
11 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年
12 张可;李媛;柴毅;黄磊;;基于分段趋势的符号化时间序列聚类表示[A];第37届中国控制会议论文集(D)[C];2018年
13 张立波;庞蓉蓉;王勇;黄敏;何成涛;傅强;曲贤敏;仲昭衍;;基于时间序列的随机质控设计与应用[A];中国输血协会第九届输血大会论文专辑[C];2018年
14 徐光晶;;统计学在大地电磁测深时间序列处理中的应用[A];2017中国地球科学联合学术年会论文集(二十九)——专题57:电磁地球物理学研究及其应用[C];2017年
15 毛宇清;王咏青;王革丽;;支持向量机方法应用于理想时间序列的预测研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年
16 吴丽娜;黄领梅;沈冰;吕继强;;黄河上游降水时间序列混沌特性识别与预测年限分析[A];水系统与水资源可持续管理——第七届中国水论坛论文集[C];2009年
17 吴坚忠;路子愚;郑应平;;时间序列社会悖论模型及分析[A];1989年控制理论及其应用年会论文集(上)[C];1989年
18 雷敏;孟光;谢洪波;Kerreie Mengersen;Peter Bartlett;;嵌入维数对复杂时间序列的熵分析的影响研究[A];中国力学大会-2015论文摘要集[C];2015年
19 林忠辉;莫兴国;薛玲;;用NDVI时间序列确定作物物侯和作物类型判别[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
20 王冬;章家义;陈宗;;配电网时间序列数据的云计算集群快速压缩模型[A];2017年江西省电机工程学会年会论文集[C];2018年
中国博士学位论文全文数据库 前20条
1 晏莉娟;面向教育数据的时间序列分类方法研究及其应用[D];华中师范大学;2020年
2 王锴华;GPS位置时间序列中温度变化驱动的非线性信号机制解释[D];武汉大学;2019年
3 杨玉军;基于机器学习的时间序列模型研究及其应用[D];电子科技大学;2018年
4 刘海洋;复杂环境下时间序列预测方法研究[D];北京交通大学;2019年
5 石巍巍;大规模多源时间序列预处理与隐藏空间映射分析研究[D];上海交通大学;2018年
6 颜昌;心血管时间序列的图形分析和应用[D];山东大学;2019年
7 张弼尧;基于遥感时序分析的半干旱地区森林生态系统变化研究[D];中国地质大学(北京);2019年
8 黄田;面向超大规模时间序列的异常检测[D];上海交通大学;2015年
9 康峻;基于时间序列遥感数据的植被精细分类与覆盖度反演研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
10 林蕾;基于循环神经网络模型的遥感影像时间序列分类及变化检测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
11 丁红;柳江径流分析与预测研究[D];武汉理工大学;2016年
12 周超;集成时间序列InSAR技术的滑坡早期识别与预测研究[D];中国地质大学;2018年
13 张琪;时间序列流数据异常检测问题的研究[D];山东大学;2019年
14 张方;局部相似分析的统计研究及其在生物时间序列中的应用[D];山东大学;2019年
15 郝鹏宇;基于多时相遥感数据的作物早期识别[D];中国农业科学院;2019年
16 邹蕾;基于趋势基元的时间序列同构关系发现[D];北京科技大学;2017年
17 丁超;MODIS时间序列重建方法与应用[D];中国地质大学(北京);2018年
18 魏永强;煤矿瓦斯监测数据插值与预测研究[D];中国矿业大学(北京);2015年
19 鲁韵帆;随机交互金融模型的构建及金融时间序列的统计分析[D];北京交通大学;2018年
20 郭珩;复杂网络在非线性时间序列分析中的应用[D];华东师范大学;2018年
中国硕士学位论文全文数据库 前20条
1 梁小慧;融合频域信息的时间序列分类方法研究[D];北京交通大学;2021年
2 陈洋;中高空间分辨率卫星NDVI时间序列数据重建技术研究[D];电子科技大学;2019年
3 梁叶;基于动态时间弯曲的金融时间序列聚类研究[D];华侨大学;2017年
4 刘烜;基于拟合误差和时刻差异的时间序列表示与鉴定方法的研究[D];北京交通大学;2020年
5 汪成成;基于机器学习的短时时间序列&时空预测方法及应用研究[D];湖南大学;2019年
6 Metoh Adler LOUA;谣言对股市的影响性量化研究[D];西南财经大学;2019年
7 付国庆;传感器网络时间序列数据计算及可视化研究[D];大连理工大学;2019年
8 黄嘉莹;高维波动率模型的建模分析[D];华南农业大学;2017年
9 代宗利;基于模糊时间序列和智能计算的股市预测研究[D];山东财经大学;2019年
10 张金磊;时间序列数据异常检测及预测应用研究[D];广西师范大学;2019年
11 吴振宇;复杂时间序列的信息熵及其应用[D];北京交通大学;2019年
12 刘彩云;基于时间序列挖掘技术的南水北调工程安全监测数据异常检测[D];华北水利水电大学;2019年
13 武帅;面向时间序列的增量模糊聚类算法研究[D];河南理工大学;2018年
14 蔡晓军;区域GPS坐标时间序列特性分析[D];长安大学;2019年
15 肖宁宁;基于时间序列InSAR技术的成都地区地表沉降研究[D];电子科技大学;2019年
16 靳东明;基于时间序列的地铁列车测速定位系统故障诊断方法[D];北京交通大学;2019年
17 赵子新;基于时间序列新陈代谢法的深基坑变形分析预测[D];上海交通大学;2018年
18 王璇;基于MODIS时间序列的河南主要农作物种植信息提取[D];河南大学;2019年
19 潘壮壮;微博热点话题表示及演化研究[D];安徽理工大学;2019年
20 吴亚飞;基于分布式计算的时间序列异常检测[D];上海交通大学;2016年
中国重要报纸全文数据库 前7条
1 国家统计局核算司 吕峰;不变价GDP时间序列数据的构造[N];中国信息报;2016年
2 ;《时间序列与金融数据分析》[N];中国信息报;2004年
3 记者 宋焱;外汇局发布外汇统计时间序列数据[N];金融时报;2009年
4 卞纪;我国多时间序列湿地遥感制图完成[N];中国气象报;2011年
5 记者 冯永锋;地震与“超级月球”无关[N];光明日报;2011年
6 本报记者杨燕青 刘芳;发挥比较优势[N];解放日报;2002年
7 记者 王媛;金融“拥抱”大数据 挑战与机遇并存[N];上海证券报;2014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