旧版下载已关闭,请移步到新版下载(点击打开新版

基于卷积神经网络的遥感图像分类方法研究

资料来自用户(Lian)上传,若本站收录的文献无意侵犯了您的著作版权,请点击版权申明
导师姓名
王广军
学科专业
测绘工程
文献出处
中国地质大学(北京)   2015年
关键词
遥感图像论文  分类论文  人工神经网络论文  卷积神经网络论文
论文摘要

如何准确、高效地进行遥感图像分类,一直是遥感领域的重要研究内容。近年来随着人工智能科技的发展,神经网络日渐成为一种有效的遥感图像分类处理方法。与传统的统计分类方法相比,神经网络具有学习能力和容错性以及无需就概率模型做出假定等特点,适用于空间模式识别的各种问题的处理。而卷积神经网络是将人工神经网络和深度学习技术结合而产生的一个新型人工神经网络方法,具有局部感知区域、层次结构化、特征抽取和分类过程结合的全局训练等特点,其核心思想是将局部感受野、权值共享以及时间或空间亚采样这三种结构思想结合起来以获得某种程度的位移、尺度和形变不变性。本文整理和梳理了国内外人工神经网络和卷积神经网络的研究成果,在对人工神经网络特别是卷积神经网络理论进行较深入研究的基础上,以经典的卷积神经网络模型为分类器,初次进行了遥感图像分类试验。论文取得了如下成果:(1)建立了卷积神经网络的算法框架,并基于MATLAB程序设计语言进行了编程实现;(2)通过实验,验证了卷积神经网络在进行遥感图像分类的可行性,与现有的最大似然、支持向量机、BP神经网络等分类识别方法进行了比较,并分析了卷积神经网络模型的优缺点。研究结果表明:卷积神经网络在分类方面,较适用于形状明显的地物,如水体、建筑等,这种特点与卷积神经网络自身的位移不变性有关,也受限于本身的网络性质,相较于传统分类方法,其具有分类线条不够细腻,进而影响影像分类表达效果的缺点。

论文目录
关闭目录

摘要

Abstract

第1章 绪论

1.1 研究目的和意义

1.2 遥感图像分类概述

1.3 国内外研究现状

1.3.1 遥感图像分类方法

1.3.2 卷积神经网络分类技术

1.4 研究内容和技术路线

1.4.1 研究内容

1.4.2 技术路线

1.5 本章小结

第2章 遥感图像分类基础

2.1 遥感图像分类原理

2.2 遥感图像分类方法

2.2.1 非监督分类方法

2.2.2 监督分类方法

2.3 本章小结

第3章 人工神经网络分类原理

3.1 人工神经网络概述

3.2 BP神经网络分类

3.2.1 BP网络模型与结构

3.2.2 BP神经网络的算法流程

3.2.3 BP神经网络分类方法的优缺点

3.2.4 BP神经网络的特性

3.3 Hopfield神经网络分类

3.3.1 Hopfield神经网络的模型与结构

3.3.2 Hopfield神经网络的算法流程

3.3.3 Hopfield神经网络的优缺点

3.3.4 Hopfield神经网络的特性

3.4 卷积神经网络分类

3.4.1 卷积神经网络的模型与结构

3.4.2 卷积神经网络的算法流程

3.4.3 卷积神经网络的优缺点

3.4.4 卷积神经网络的特性

3.5 本章小结

第4章 卷积神经网络分类实验

4.1 遥感图像预处理

4.1.1 研究区概况

4.1.2 遥感图像的分析及处理

4.1.3 分类精度评价方法

4.2 分类结果

4.2.1 最大似然分类

4.2.2 支持向量机分类

4.2.3 BP神经网络分类

4.2.4 卷积神经网络分类

4.3 精度评价

4.4 本章小结

第5章 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

全文下载
全文下载