基于全卷积网络的小块农田识别方法研究

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

近年来，随着遥感技术的发展，遥感影像的空间分辨率不断提升，不仅具有丰富的空间、纹理特征，而且包含了大量的细节信息，这也使得影像中小块农田识别的难度大大增加。传统的基于光谱统计特性的极大似然法、K 最近邻算法等识别分类方法，由于仅利用影像的光谱信息缺乏对丰富的细节信息的充分利用，不能满足当前对小块农田信息提取的需求。针对以上问题，本文以高分一号遥感影像为数据源，基于深度学习中流行的全卷积神经网络算法，进行高分辨率遥感影像小块农田识别方法的研究，并将其应用到遥感影像小块农田的识别中，主要研究内容如下：针对图像中小块农田包含的有效信息较少、表达不足，传统方法识别困难等问题，基于稀疏降噪自动编码器SDA（SparseDenosing Auto-encoder），提出一种训练样本图像目标增强算法。该算法首先将多个稀疏降噪自动编码器 SDAs 进行堆叠，得到一种堆叠式稀疏降噪自动编码器，采用 L-BFGS 算法进行训练，得到输入图像的高层抽象表示，作为原始信号的初级滤波，并加入到原有的特征中，得到增强后的样本图像，为后续训练更精确的小块农田识别模型提供高质量的数据支持。基于全卷积网络算法，在 TensorFlow 框架下结合卷积神经网络模型 VGG-19，建立用于高分辨率遥感影像小块农田识别的模型。根据 VGG-19 模型建立网络结构，在末尾增加上采样层，使用 VGG-19 中的模型参数初始化建立网络结构参数。针对识别结果中小块农田区域边界较模糊、识别精度较低等问题，模型将Sigmoid和ReLU函数进行叠加作为模型中的激活函数；同时结合朴素贝叶斯理论对全卷积网络算法中Softmax 分类层输出的概率值进行优化，将采用朴素贝叶斯判别理论计算的概率值与对应区域的 Softmax 层输出值进行合并，以得到该数据点在每一类别出现的最终的概率值。经实验证明，训练后的该模型可取得更好的识别效果，并有效提高小块农田目标识别的精度。

著录项

作者
巩雯雯;
展开▼
作者单位

山东农业大学;

展开▼
授予单位山东农业大学;
学科计算机应用技术
授予学位硕士
导师姓名张承明;
年度 2018
页码
总页数
原文格式 PDF
正文语种中文
中图分类计算技术、计算机技术;基本电子电路;
关键词
卷积; 网络; 小块农田; 识别;

相似文献

中文文献
外文文献
专利

1. 基于全卷积网络的数字仪表字符识别方法 [J] . 蔡梦倩 ,张蕾 ,王炎 . 现代计算机（专业版） . 2018,第002期
2. 基于全卷积网络的数字仪表字符识别方法 [J] . 蔡梦倩 ,张蕾 ,王炎 . 现代计算机：上半月版 . 2018,第001期
3. 基于全卷积网络的燃气表数字的分割与识别 [J] . 简丽琼 . 信息与电脑 . 2018,第23期
4. 基于全卷积网络的鳞翅目标本图像前背景自动分割方法研究 [J] . 竺乐庆 ,马梦园 ,张真 . 昆虫学报 . 2018,第002期
5. 基于全卷积网络的语义显著性区域检测方法研究 [J] . 郑云飞 ,张雄伟 ,曹铁勇 . 电子学报 . 2017,第011期
6. 用于农田熵情监测的无线陆基农田参数传感网系统一个物联网应用于现代设施农业的实例 [C] . 易卫东 . 2014农业信息化发展论坛暨新技术、新装备应用交流会 . 2014
7. 基于全卷积网络的制动盘裂纹检测方法研究 [A] . 杨益梅 . 2020

基于全卷积网络的小块农田识别方法研究

目录

摘要

著录项

相似文献

相关主题

期刊订阅