【摘要】：Landsat數(shù)據(jù)因具有悠久的歷史和相對較高的空間分辨率,已被用于研究地球表面如何變化幾十年。及時準確地檢測地球表面特征能夠幫助人們理解人與自然現(xiàn)象之間的關系和相互作用,可以促進更好的決策和發(fā)展。目前雖然在監(jiān)測和探測環(huán)境變化方面已經有很多成功的應用案例,但是在應用多時間圖像獲取地球環(huán)境和人類活動的及時信息方面仍存在著巨大的挑戰(zhàn)。但值得注意的是,近年來,通過開發(fā)新的平臺和傳感器,克服技術障礙取得了很大進展,并且大量歷史圖像檔案的廣泛可用性也使長期的變化檢測和建模成為可能。這一進展促使人們進一步研究開發(fā)更先進的圖像處理方法和處理時間序列圖像數(shù)據(jù)的新方法。因此,本文將借助深度神經網絡算法展開相關研究。因此本文的研究目標如下:1、本文提出了一種基于MDP為循環(huán)核心的深度增強學習優(yōu)化算法,旨在對被優(yōu)化神經網絡進行自動優(yōu)化,加快神經網絡訓練過程,幫助神經網絡跳出局部最優(yōu)點。2、針對Landsat遙感圖像中存在云及云陰影影響了Landsat遙感圖像的可用性,本文提出了一種基于空間語義感知的云檢測及去除方法。實現(xiàn)了端到端的自動化云檢測及去除。3、本文提出了一種基于多目標語義分割神經網絡的Landsat遙感圖像時間序列變化檢測算法,實現(xiàn)了對Landsat遙感圖像中多目標同時檢測,并相較于以往算法,有優(yōu)異的檢測精度。
【圖文】：

青海玉樹地震前后變化檢測圖

(a)各優(yōu)化算法邏輯回歸損失函數(shù)的差值比較，，若值為正代表算法表現(xiàn)好
【學位授予單位】：山東師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751;TP183

【相似文獻】

相關期刊論文 前10條

1 胡悅;;金融市場中的神經網絡拐點預測法[J];金融經濟;2017年18期

2 遲惠生;陳珂;;1995年世界神經網絡大會述評[J];國際學術動態(tài);1996年01期

3 吳立可;;脈沖神經網絡和行為識別[J];通訊世界;2018年12期

4 林嘉應;鄭柏倫;劉捷;;基于卷積神經網絡的船舶分類模型[J];信息技術與信息化;2019年02期

5 俞頌華;;卷積神經網絡的發(fā)展與應用綜述[J];信息通信;2019年02期

6 韓真;凱文·哈特尼特;;為神經網絡的通用理論建造基石[J];世界科學;2019年04期

7 鮑偉強;陳娟;熊濤;;基于進化神經網絡的短期電力負荷預測研究[J];電工技術;2019年11期

8 陳曉燕;;淺析簡單神經網絡的發(fā)展及簡單模型[J];數(shù)字技術與應用;2019年05期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設計研究[J];數(shù)字技術與應用;2018年04期

10 張庭略;;基于硬件的神經網絡加速[J];通訊世界;2018年08期

相關會議論文 前10條

1 孫軍田;張U

本文編號：2655152