航空航天技術(shù)和遙感傳感器不斷的發(fā)展和進(jìn)步,使遙感大數(shù)據(jù)的有效管理和應(yīng)用面臨著新的機(jī)遇和挑戰(zhàn)。遙感影像水體識別是對海量衛(wèi)星影像資源的一種處理和應(yīng)用,傳統(tǒng)方法為獲取較好的精度較為費(fèi)時費(fèi)力,人工智能領(lǐng)域圖像處理技術(shù)的進(jìn)步,推動了遙感領(lǐng)域多光譜影像處理的進(jìn)步。將深度學(xué)習(xí)運(yùn)用于衛(wèi)星影像中對新疆伊犁河流域水體信息進(jìn)行提取的研究,為水資源信息監(jiān)測提供數(shù)據(jù)支撐,能實(shí)現(xiàn)及時的水體生態(tài)分析與風(fēng)險預(yù)警,對伊犁河流域的環(huán)境演變和水資源保護(hù)、開發(fā)和合理利用的可持續(xù)發(fā)展研究具有現(xiàn)實(shí)意義。本文旨在研究人工智能領(lǐng)域的深度學(xué)習(xí)技術(shù)在遙感影像水體識別方面的應(yīng)用,針對遙感領(lǐng)域的需求,對深度學(xué)習(xí)模型和結(jié)構(gòu)進(jìn)行改進(jìn)和優(yōu)化,構(gòu)建適用于遙感影像的水體識別智能模型。主要工作包括:（1）通過研究和分析,結(jié)合使用擴(kuò)展的多種特征,同時增強(qiáng)圖像來提高模型的穩(wěn)定性。針對而遙感影像維度較高,而DBN模型難以對高維圖像做全尺寸衡量的缺點(diǎn),設(shè)計了一種特征擴(kuò)充方法,相較于復(fù)雜的模型修改顯得簡單有效。（2）對于多階段方法中特征構(gòu)建和選取存在瓶頸的現(xiàn)象,提出一種基于雙向長短時記憶網(wǎng)絡(luò)（BiLSTM）與改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)（Modified-CNN,M-CN... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【部分圖文】：

影像數(shù)據(jù)示意圖

新疆大學(xué)碩士研究生學(xué)位論文s WI spec_r F NDWI ,MNDWI , ,Value為了利用像元間的局部空間規(guī)律，使用 3*3 的灰度段組合假彩色圖像的灰度值作為原始光譜信息，與征。 0 1 9F gray , ,gray spec 0 WIsF F ,F提取研究剖面(EMAPs)特征提取是為了得到遙感影像的不同屬取的基本結(jié)構(gòu)如下圖 2-2。

新疆大學(xué)碩士研究生學(xué)位論文對比分析據(jù)與測試數(shù)據(jù)設(shè)置為 2:1 的固定比例，使用鄰，驗(yàn)證不同模型對于實(shí)驗(yàn)結(jié)果的影響。 DBN 模 型 對 比 了 傳 統(tǒng) 的 機(jī) 器 學(xué) 習(xí) 模gression，LR）算法分類、K 最近鄰(k-Near (Backpropagation，BP)算法和支持向量機(jī)95.55%VM


本文編號：3341554