【摘要】：遙感影像的地類全自動(dòng)解譯是我國國土資源科學(xué)致力攻克的重大技術(shù)問題。近年來,隨著以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)技術(shù)的飛速發(fā)展,將深度學(xué)習(xí)應(yīng)用到遙感影像的自動(dòng)解譯,實(shí)現(xiàn)盡可能自動(dòng)化的用地類型識別是目前科研人員重要的研究目標(biāo)和方向。深度學(xué)習(xí)對應(yīng)深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network,簡稱DNN)工作的前提是深度網(wǎng)絡(luò)得到充分的訓(xùn)練,這一切需要大量的樣本作為訓(xùn)練數(shù)據(jù)。傳統(tǒng)上,訓(xùn)練圖像多靠人工獲取,手動(dòng)標(biāo)注,費(fèi)時(shí)費(fèi)力,工作量巨大,且容易受操作人員的工作情緒和工作疏忽的影響;同時(shí),源數(shù)據(jù)資料少、樣本生產(chǎn)難,成為制約深度學(xué)習(xí)在遙感影像解譯領(lǐng)域廣泛應(yīng)用的因素。本文基于多樣性、可擴(kuò)展性的眾源數(shù)據(jù)OSM、土地利用現(xiàn)狀數(shù)據(jù)、手動(dòng)標(biāo)注的矢量數(shù)據(jù)及遙感影像數(shù)據(jù),利用軟件ArcGIS Pro導(dǎo)出訓(xùn)練數(shù)據(jù)工具(Export Training Data for Deep Learning Tool)生產(chǎn)樣例圖像,利用軟件Microsoft SQL Server Management Studio 2008制作了樣例庫,最后利用深度學(xué)習(xí)模型進(jìn)行了樣例庫的精度檢驗(yàn)。本研究的主要研究內(nèi)容及成果如下:(1)根據(jù)深度學(xué)習(xí)對遙感影像樣例的基本要求提出本研究的樣例構(gòu)建原理:a.每個(gè)類別都有豐富的數(shù)據(jù);b.對象類別是中國國家土地利用、土地覆蓋分類標(biāo)準(zhǔn)分類體系與OSM類別體系的組合,每個(gè)類別的水平旨在進(jìn)一步提高樣本的多樣性和綜合性;c.土地利用具有不同的類型,按照中國土地分類標(biāo)準(zhǔn)建立,各階層之間存在顯著差異;d.整個(gè)系統(tǒng)的識別率高,可以避免模糊對象,提高圖像質(zhì)量;e.每個(gè)類具有不同的成像角度、大小、形狀、顏色以增加樣例多樣性,這可以提高模型泛化性能和魯棒性。(2)綜合OSM(Open Street Map)現(xiàn)有分類體系、中國土地利用分類標(biāo)準(zhǔn)和地理國情普查分類體系構(gòu)建了本研究的遙感影像樣例庫地物分類體系,包括耕地、園地、林地、草地、房屋建筑(區(qū))、構(gòu)筑物、鐵路與道路、人工堆掘地、荒漠與裸露地、水域和地理單元11個(gè)一級類、28個(gè)二級類和25個(gè)三級類。(3)該樣例庫包括兩個(gè)子樣例庫,單片尺寸分別為128×128像素和256×256像素。其中,128×128樣例庫具有大約19500個(gè)圖像的樣本,包含42個(gè)子類,平均每個(gè)類大約490個(gè)圖像;256×256樣例庫具有大約16000個(gè)圖像樣本,包含37個(gè)子類,平均每個(gè)類大約420個(gè)圖像。(4)利用構(gòu)建出的樣例數(shù)據(jù)進(jìn)行深度學(xué)習(xí)模型訓(xùn)練,訓(xùn)練的精度在99%左右�；谟�(xùn)練的模型進(jìn)行分類,精度為98.9%,初步成果令人鼓舞。
【學(xué)位授予單位】：甘肅農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：P237;TP751;TP18
【圖文】：

成的樣例數(shù)據(jù)進(jìn)行精度驗(yàn)證。第六章，總結(jié)與展望，總結(jié)研究成果以及需要進(jìn)一步改進(jìn)的內(nèi)容。1.5 研究思路本文首先從影像類別、樣例尺寸、樣例類別、樣例規(guī)模、樣例庫應(yīng)用場景方面已有的遙感影像樣例庫進(jìn)行了對比分析，分析了深度學(xué)習(xí)對遙感樣例的基本要求；次綜合 OSM 現(xiàn)有分類體系、中國土地利用分類標(biāo)準(zhǔn)和地理國情普查分類體系構(gòu)建本研究的類別體系，基于多樣性、可擴(kuò)展性的眾源數(shù)據(jù) OSM、土地利用現(xiàn)狀數(shù)據(jù)手動(dòng)標(biāo)注的矢量數(shù)據(jù)及甘肅省遙感影像數(shù)據(jù)（多時(shí)相、多分辨率、多來源的谷歌影和必應(yīng)影像），利用軟件 ArcGIS Pro 中的用于深度學(xué)習(xí)的導(dǎo)出訓(xùn)練數(shù)據(jù)工具（ExpTraining Data for Deep Learning Tool ）生產(chǎn)樣例圖像，然后利用軟件 Microsoft SQServer Management Studio 2008 制作樣例庫；最后在 TensorFlow 框架下，利用深度習(xí)模型進(jìn)行樣例庫的精度驗(yàn)證，圖 1-1 顯示了本研究的樣例庫構(gòu)建流程。

甘肅農(nóng)業(yè)大學(xué) 2019 屆碩士研究生畢業(yè)論文同的紋理、顏色和形狀。它具有很高的空間分辨4]。該數(shù)據(jù)庫包含高度重疊的土地使用類別，如密這些類別主要分布在結(jié)構(gòu)密度上，因此使得數(shù)據(jù)止，該數(shù)據(jù)庫是最流行的，并且已經(jīng)廣泛用于遙存在一定的缺點(diǎn)，在該數(shù)據(jù)庫中，每個(gè)類別的數(shù)體特征的分布，不適合實(shí)際地理對象的總體特征。建

甘肅農(nóng)業(yè)大學(xué) 2019 屆碩士研究生畢業(yè)論文ropbox.com/s/j80iv1a0mv-honsa/RSSCN7.zip?d1=0SAT-6AT-6 遙感影像樣例庫由 NAIP（ National Agricultu州的兩個(gè)區(qū)域農(nóng)業(yè)遙感影像，他們的航空影像是、山區(qū)、水和農(nóng)業(yè)地區(qū)獲得的，樣例庫中的一些 數(shù)據(jù)庫包含龐大的數(shù)據(jù)，包括 500000 和 405000種類型，包括裸露的土壤、植被、草地、道路、房點(diǎn)：別太少，只有六類，在實(shí)際應(yīng)用中達(dá)不到遙感圖大小非常小。因此，內(nèi)部圖像的細(xì)節(jié)是不夠的。復(fù)雜分布，而且圖像大只包含對象的局部特征。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣理;;以題根研究帶動(dòng)高中數(shù)學(xué)樣例教學(xué)[J];福建中學(xué)數(shù)學(xué);2017年02期

2 陶忠華;;樣例及其在生物學(xué)教學(xué)中的應(yīng)用[J];生物學(xué)教學(xué);2017年06期

3 馬俊青;;數(shù)學(xué)樣例學(xué)習(xí)與學(xué)生數(shù)學(xué)知識形成關(guān)系的研究[J];數(shù)學(xué)教育學(xué)報(bào);2009年04期

4 張嬌嬌;;網(wǎng)絡(luò)學(xué)習(xí)中樣例設(shè)計(jì)的原則和策略[J];中小學(xué)電教;2012年12期

5 張華;韓成秀;;模型樣例的設(shè)計(jì)和呈現(xiàn)研究在微課教學(xué)中的使用[J];黑龍江教育學(xué)院學(xué)報(bào);2017年07期

6 張奇;;樣例學(xué)習(xí)理論述評與規(guī)則樣例學(xué)習(xí)認(rèn)知理論的建立[J];遼寧師范大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2016年05期

7 張奇;蔡晨;;規(guī)則樣例學(xué)習(xí)的實(shí)驗(yàn)研究和理論探索[J];心理與行為研究;2015年05期

8 李列;;談促進(jìn)學(xué)生知識建構(gòu)的樣例學(xué)習(xí)[J];現(xiàn)代職業(yè)教育;2016年25期

9 黃積才;;幼兒成長啟蒙的鹽田樣例[J];教育;2017年09期

10 朱素華;;數(shù)學(xué)樣例遷移的因素分析及策略探討[J];知識文庫;2017年09期

相關(guān)會(huì)議論文 前10條

1 董成文;張奇;;小學(xué)生小組合作規(guī)則樣例學(xué)習(xí)的遷移效果[A];第二十一屆全國心理學(xué)學(xué)術(shù)會(huì)議摘要集[C];2018年

2 強(qiáng)瑞超;韓琴;丁然;吳沛謙;李亞亭;范燕平;寧銳;;樣例啟動(dòng)對中學(xué)生創(chuàng)造性科學(xué)問題提出能力的影響[A];第十八屆全國心理學(xué)學(xué)術(shù)會(huì)議摘要集——心理學(xué)與社會(huì)發(fā)展[C];2015年

3 何毅;張奇;;樣例學(xué)習(xí)專長逆轉(zhuǎn)效應(yīng)的影響因素[A];第二十二屆全國心理學(xué)學(xué)術(shù)會(huì)議摘要集[C];2019年

4 杜雪嬌;蔡晨;張奇;;“解釋法”與“解釋-標(biāo)記法”樣例對小學(xué)生學(xué)習(xí)代數(shù)運(yùn)算規(guī)則的促進(jìn)[A];第十八屆全國心理學(xué)學(xué)術(shù)會(huì)議摘要集——心理學(xué)與社會(huì)發(fā)展[C];2015年

5 許德志;張奇;;正、誤碳?xì)涔矁r(jià)鍵組合樣例的學(xué)習(xí)效果[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

6 林洪新;張奇;;關(guān)鍵與非關(guān)鍵步驟對數(shù)學(xué)運(yùn)算樣例學(xué)習(xí)遷移效果的影響[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

7 王景玉;徐彤;曲可佳;;學(xué)習(xí)域知識的熟悉程度和樣例設(shè)計(jì)對學(xué)習(xí)濃度百分?jǐn)?shù)應(yīng)用題的影響[A];第二十屆全國心理學(xué)學(xué)術(shù)會(huì)議--心理學(xué)與國民心理健康摘要集[C];2017年

8 張華;張奇;;物體受力分析正誤樣例組合的學(xué)習(xí)效果[A];第十五屆全國心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

9 張奇;;規(guī)則樣例學(xué)習(xí)認(rèn)知理論與教學(xué)實(shí)踐[A];第十九屆全國心理學(xué)學(xué)術(shù)會(huì)議摘要集[C];2016年

10 丁艷云;趙俊峰;;不同種類的樣例對初中生代數(shù)問題解決遷移的影響[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 海南 王敬;滿屏播放AVI文件[N];電腦報(bào);2003年

2 通訊員 詹雅 記者 余敏;杭州智慧醫(yī)療成為全國示范樣例[N];杭州日報(bào);2015年

相關(guān)博士學(xué)位論文 前10條

1 何毅;樣例學(xué)習(xí)專長逆轉(zhuǎn)效應(yīng)的影響因素[D];遼寧師范大學(xué);2019年

2 趙靜;非均質(zhì)及樣例材料的形變體仿真算法[D];燕山大學(xué);2017年

3 董成文;小學(xué)生小組合作規(guī)則樣例學(xué)習(xí)的遷移效果[D];遼寧師范大學(xué);2018年

4 趙弘;小學(xué)生算術(shù)應(yīng)用題多重變異樣例學(xué)習(xí)的遷移效果[D];遼寧師范大學(xué);2007年

5 曹瑞;刺激特征數(shù)量和特征突顯度對樣例效應(yīng)的影響[D];天津師范大學(xué);2008年

6 王蒙;解釋錯(cuò)誤樣例學(xué)習(xí)模式的研究[D];華中師范大學(xué);2015年

7 邵光華;數(shù)學(xué)樣例學(xué)習(xí)的理論與實(shí)證研究[D];華東師范大學(xué);2003年

8 林洪新;初一學(xué)生數(shù)學(xué)運(yùn)算樣例中關(guān)鍵步驟的學(xué)習(xí)研究[D];遼寧師范大學(xué);2009年

9 邢強(qiáng);樣例解題步驟編碼對原理學(xué)習(xí)和遷移的影響[D];華南師范大學(xué);2002年

10 張華;中學(xué)生物體受力分析正誤樣例組合學(xué)習(xí)及促進(jìn)方法的研究[D];遼寧師范大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 呂玉娜;面向深度學(xué)習(xí)的甘肅省遙感影像樣例庫建設(shè)[D];甘肅農(nóng)業(yè)大學(xué);2019年

2 劉爽;學(xué)習(xí)方式對三種交互水平幾何問題解決遷移效果的影響[D];遼寧師范大學(xué);2019年

3 黃婉茹;個(gè)體與合作的兩種樣例學(xué)習(xí)遷移效果比較[D];遼寧師范大學(xué);2019年

4 鄔宇恩;基于自我解釋效應(yīng)的樣例學(xué)習(xí)研究[D];湖南師范大學(xué);2019年

5 王云鵬;任務(wù)難度與樣例-問題匹配形式對小學(xué)生數(shù)學(xué)學(xué)習(xí)效果的影響[D];魯東大學(xué);2019年

6 王穎;在線樣例形式對數(shù)學(xué)運(yùn)算規(guī)則學(xué)習(xí)效果的影響[D];魯東大學(xué);2019年

7 王理理;基于學(xué)習(xí)專長的樣例學(xué)習(xí)的眼動(dòng)研究[D];蘇州大學(xué);2018年

8 楊武菊;高中幾何教學(xué)中樣例設(shè)計(jì)的研究[D];云南師范大學(xué);2018年

9 黃玲玉;知識難度、學(xué)習(xí)形式對大學(xué)生樣例學(xué)習(xí)效果的影響[D];蘇州大學(xué);2018年

10 陳姿宏;漸省樣例對學(xué)習(xí)遷移的影響研究[D];南京師范大學(xué);2018年

本文編號：2766058