近年來,航空航天技術發(fā)展迅速,它作為獲取信息的核心技術是人們研究的重心。在航天領域中,從信息量豐富的遙感圖像中提取有效信息是科研人員研究的重要任務。由于遙感數(shù)據(jù)量大,遙感圖像又具有種類多、紋理復雜等特點,傳統(tǒng)的方法越來越難以適應海量數(shù)據(jù),并且傳統(tǒng)方法依賴人工設計的特征,這是非常耗時的。本文主要研究的是在航天領域應用深度學習的算法處理海量遙感圖像并提取有效信息。首先,本文實現(xiàn)并改進了一個深度學習網(wǎng)絡算法,在遙感圖像數(shù)據(jù)集上實現(xiàn)了對四類目標地物的圖像語義分割。本文對網(wǎng)絡模型的可用性、實時性、準確性等方面進行了驗證,評估了分割結果,該模型能夠對遙感圖像實現(xiàn)像素級的分類并進一步實現(xiàn)圖像語義分割,這為后續(xù)的遙感圖像研究提供了一定的基礎。其次,本文重點分析了圖像高級語義提取系統(tǒng),將分割后圖片作為處理對象,我們進一步采用二值化、濾波操作、開閉運算、閡值設置等方法和連通域算法用于統(tǒng)計目標對象數(shù)目以及檢測目標對象。通過計算具有“樹”類的像素總數(shù)與每張圖像像素的總數(shù)比例來獲得每張遙感圖片的森林覆蓋率。與傳統(tǒng)的圖像判讀方法不同的是,本文設計的高級語義信息提取系統(tǒng)不僅可以統(tǒng)計場景中建筑物的數(shù)量,同時還計算森林... 

【文章來源】：華北電力大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

圖２－２實時遙感圖像處理系統(tǒng)平臺搭建的實物圖??７??

本課題中的基于深度學習的遙感圖像處理方法是，通過向平臺發(fā)送指令傳??輸測試遙感圖像數(shù)據(jù)，平臺建模處理測試圖片，發(fā)送檢索指令后，提取出目標??遙感圖像，并將目標遙感圖像下傳至地面。系統(tǒng)框架如圖２－３所示。包括的具??體步驟：??（１）

華北電力大學碩士學位論文??集包含２００張５００Ｘ３００的圖像及對應類別真值圖。圖３－１是ＧＥ－４數(shù)據(jù)集的部分??圖像。??■９?Ｉ國國關關國??ＳＮＡＧ－００?ＳＮＡＧ－００?ＳＮＡＧ－００?ＳＮＡＧ－００?ＳＮＡＧ－００?ＳＮＡＧ－００??０．

【參考文獻】：
期刊論文
[1]基于深度學習的高分辨率遙感圖像識別與分類研究[J]. 張日升,張燕琴.  信息通信. 2017(01)
[2]基于深度學習的高分辨率遙感影像分類研究[J]. 劉大偉,韓玲,韓曉勇.  光學學報. 2016(04)
[3]高斯濾波器特性分析及應用研究[J]. 歐仁俠,陳洪斌,鮑捷.  中國新通信. 2015(24)
[4]高分辨率遙感影像目標分類與識別研究進展[J]. 劉揚,付征葉,鄭逢斌.  地球信息科學學報. 2015(09)
[5]基于條件隨機場的遙感圖像語義標注[J]. 楊俊俐,姜志國,周全,張浩鵬,史駿.  航空學報. 2015(09)
[6]基于深度學習的高分辨率遙感影像目標檢測[J]. 高常鑫,桑農(nóng).  測繪通報. 2014(S1)
[7]在軌衛(wèi)星綜合數(shù)據(jù)庫系統(tǒng)的設計與實現(xiàn)[J]. 朱劍冰,秦巍,程博文,莫中秋,�？宋�.  航天器工程. 2014(01)
[8]基于形態(tài)學運算的星圖像分割[J]. 韓艷麗,樊利恒,翁璐.  海軍航空工程學院學報. 2010(06)
[9]形態(tài)學中閉運算功能的擴展及其應用[J]. 張大坤,羅三明.  計算機工程與應用. 2010(27)
[10]基于中值濾波與Sobel、Canny算子的圖像邊緣檢測研究[J]. 馮新宇,方偉林,楊棟.  黑龍江水專學報. 2009(01)

博士論文
[1]海量遙感圖像內(nèi)容檢索關鍵技術研究[D]. 杜根遠.成都理工大學 2011

碩士論文
[1]基于雙邊濾波的圖像處理算法研究[D]. 王玉靈.西安電子科技大學 2010
[2]基于內(nèi)容的遙感圖像數(shù)據(jù)庫檢索研究及實現(xiàn)[D]. 陳興峰.電子科技大學 2008



本文編號：2994100