本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：如何準(zhǔn)確、高效地進(jìn)行遙感圖像分類,一直是遙感領(lǐng)域的重要研究內(nèi)容。近年來隨著人工智能科技的發(fā)展,神經(jīng)網(wǎng)絡(luò)日漸成為一種有效的遙感圖像分類處理方法。與傳統(tǒng)的統(tǒng)計(jì)分類方法相比,神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力和容錯(cuò)性以及無需就概率模型做出假定等特點(diǎn),適用于空間模式識(shí)別的各種問題的處理。而卷積神經(jīng)網(wǎng)絡(luò)是將人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)結(jié)合而產(chǎn)生的一個(gè)新型人工神經(jīng)網(wǎng)絡(luò)方法,具有局部感知區(qū)域、層次結(jié)構(gòu)化、特征抽取和分類過程結(jié)合的全局訓(xùn)練等特點(diǎn),其核心思想是將局部感受野、權(quán)值共享以及時(shí)間或空間亞采樣這三種結(jié)構(gòu)思想結(jié)合起來以獲得某種程度的位移、尺度和形變不變性。本文整理和梳理了國內(nèi)外人工神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的研究成果,在對人工神經(jīng)網(wǎng)絡(luò)特別是卷積神經(jīng)網(wǎng)絡(luò)理論進(jìn)行較深入研究的基礎(chǔ)上,以經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型為分類器,初次進(jìn)行了遙感圖像分類試驗(yàn)。論文取得了如下成果:(1)建立了卷積神經(jīng)網(wǎng)絡(luò)的算法框架,并基于MATLAB程序設(shè)計(jì)語言進(jìn)行了編程實(shí)現(xiàn);(2)通過實(shí)驗(yàn),驗(yàn)證了卷積神經(jīng)網(wǎng)絡(luò)在進(jìn)行遙感圖像分類的可行性,與現(xiàn)有的最大似然、支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)等分類識(shí)別方法進(jìn)行了比較,并分析了卷積神經(jīng)網(wǎng)絡(luò)模型的優(yōu)缺點(diǎn)。研究結(jié)果表明:卷積神經(jīng)網(wǎng)絡(luò)在分類方面,較適用于形狀明顯的地物,如水體、建筑等,這種特點(diǎn)與卷積神經(jīng)網(wǎng)絡(luò)自身的位移不變性有關(guān),也受限于本身的網(wǎng)絡(luò)性質(zhì),相較于傳統(tǒng)分類方法,其具有分類線條不夠細(xì)膩,進(jìn)而影響影像分類表達(dá)效果的缺點(diǎn)。
【關(guān)鍵詞】：遙感圖像 分類 人工神經(jīng)網(wǎng)絡(luò) 卷積神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：中國地質(zhì)大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P237
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-17
• 1.1 研究目的和意義9
• 1.2 遙感圖像分類概述9-10
• 1.3 國內(nèi)外研究現(xiàn)狀10-13
• 1.3.1 遙感圖像分類方法10-11
• 1.3.2 卷積神經(jīng)網(wǎng)絡(luò)分類技術(shù)11-13
• 1.4 研究內(nèi)容和技術(shù)路線13-16
• 1.4.1 研究內(nèi)容13-15
• 1.4.2 技術(shù)路線15-16
• 1.5 本章小結(jié)16-17
• 第2章 遙感圖像分類基礎(chǔ)17-27
• 2.1 遙感圖像分類原理17-22
• 2.2 遙感圖像分類方法22-26
• 2.2.1 非監(jiān)督分類方法23-24
• 2.2.2 監(jiān)督分類方法24-26
• 2.3 本章小結(jié)26-27
• 第3章 人工神經(jīng)網(wǎng)絡(luò)分類原理27-40
• 3.1 人工神經(jīng)網(wǎng)絡(luò)概述27-28
• 3.2 BP神經(jīng)網(wǎng)絡(luò)分類28-31
• 3.2.1 BP網(wǎng)絡(luò)模型與結(jié)構(gòu)28-29
• 3.2.2 BP神經(jīng)網(wǎng)絡(luò)的算法流程29-30
• 3.2.3 BP神經(jīng)網(wǎng)絡(luò)分類方法的優(yōu)缺點(diǎn)30-31
• 3.2.4 BP神經(jīng)網(wǎng)絡(luò)的特性31
• 3.3 Hopfield神經(jīng)網(wǎng)絡(luò)分類31-35
• 3.3.1 Hopfield神經(jīng)網(wǎng)絡(luò)的模型與結(jié)構(gòu)32-34
• 3.3.2 Hopfield神經(jīng)網(wǎng)絡(luò)的算法流程34
• 3.3.3 Hopfield神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)34
• 3.3.4 Hopfield神經(jīng)網(wǎng)絡(luò)的特性34-35
• 3.4 卷積神經(jīng)網(wǎng)絡(luò)分類35-39
• 3.4.1 卷積神經(jīng)網(wǎng)絡(luò)的模型與結(jié)構(gòu)35
• 3.4.2 卷積神經(jīng)網(wǎng)絡(luò)的算法流程35-38
• 3.4.3 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)38-39
• 3.4.4 卷積神經(jīng)網(wǎng)絡(luò)的特性39
• 3.5 本章小結(jié)39-40
• 第4章 卷積神經(jīng)網(wǎng)絡(luò)分類實(shí)驗(yàn)40-60
• 4.1 遙感圖像預(yù)處理40-51
• 4.1.1 研究區(qū)概況40-41
• 4.1.2 遙感圖像的分析及處理41-50
• 4.1.3 分類精度評價(jià)方法50-51
• 4.2 分類結(jié)果51-56
• 4.2.1 最大似然分類51-52
• 4.2.2 支持向量機(jī)分類52-53
• 4.2.3 BP神經(jīng)網(wǎng)絡(luò)分類53-54
• 4.2.4 卷積神經(jīng)網(wǎng)絡(luò)分類54-56
• 4.3 精度評價(jià)56-59
• 4.4 本章小結(jié)59-60
• 第5章 總結(jié)與展望60-61
• 5.1 總結(jié)60
• 5.2 展望60-61
• 致謝61-62
• 參考文獻(xiàn)62-66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 曹寶;秦其明;馬海建;邱云峰;;面向?qū)ο蠓椒ㄔ赟POT5遙感圖像分類中的應(yīng)用——以北京市海淀區(qū)為例[J];地理與地理信息科學(xué);2006年02期

2 周長建;司震宇;邢金閣;劉海波;;基于Deep Learning網(wǎng)絡(luò)態(tài)勢感知建模方法研究[J];東北農(nóng)業(yè)大學(xué)學(xué)報(bào);2013年05期

3 楊雁寧 ,王峰;利用MATLAB實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)[J];河南科技;2005年08期

4 劉志剛,李德仁,秦前清,史文中;支持向量機(jī)在多類分類問題中的推廣[J];計(jì)算機(jī)工程與應(yīng)用;2004年07期

5 董杰;沈國杰;;一種基于模糊關(guān)聯(lián)分類的遙感圖像分類方法[J];計(jì)算機(jī)研究與發(fā)展;2012年07期

6 可華明;陳朝鎮(zhèn);張新合;王金亮;;遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)遙感圖像分類研究[J];西南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年07期

7 趙志宏;楊紹普;馬增強(qiáng);;基于卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車牌字符識(shí)別研究[J];系統(tǒng)仿真學(xué)報(bào);2010年03期

8 李天宏;基于KDD和GIS的遙感圖像專題分類方法探討[J];應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào);2000年03期

  本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像分類方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：305499