声明
摘要
1绪论
1.1研究背景
1.2国内外研究现状
1.2.1滨海湿地植被监测
1.2.2深度学习
1.2.3全卷积神经网络
1.2.4面向对象图像分割
1.3研究目的与内容
1.3.1研究目的
1.3.2研究内容
1.3.3技术路线
2研究区概况与数据介绍
2.1地理概况
2.2自然环境
2.2.1地质地貌
2.2.2气象水文
2.2.3土地利用现状
2.2.4湿地典型植被
2.3研究数据介绍
2.3.1遥感数据
2.3.2样本数据
2.3.3分类系统
2.4本章小结
3全卷积神经网络及相关基础知识
3.1全卷积神经网络概述
3.2神经元
3.3网络结构
3.3.1感受野
3.3.2卷积层
3.3.3池化层
3.3.4上采样
3.3.5跳跃结构
3.4前向和反向传播
3.4.1前向传播
3.4.2反向传播
3.5减少过拟合的方法
3.6本章小结
4遥感图像处理
4.1遥感图像预处理
4.2全卷积神经网络分类
4.3面向对象多尺度分割
4.3.1最优分割尺度选择
4.3.2最佳参数选择
4.4全卷积神经网络结合面向对象分类
4.5随机森林结合面向对象分类
4.6本章小结
5滨海湿地植被分类结果
5.1 FCN与面向对象结合前后结果比较
5.1.1结果与精度评价
5.1.2植被分类结果分析
5.2不同方法间比较
5.3三期数据结果与分析
5.4本章小结
6杭州湾滨海湿地典型植被动态变化监测
6.1滨海湿地典型植被时空格局动态变化分析
6.1.1湿地典型植被时空格局分布特征
6.1.2湿地典型植被地类转变分析
6.2影响湿地典型植被变化驱动因素分析
6.2.1土地利用类型变化
6.2.2湿地典型植被对于土地变化动态响应
6.3本章小结
7结论与讨论
7.1结论
7.2讨论
参考文献
个人简介
导师简介
致谢
浙江农林大学;