基于多目标孪生卷积神经网络的遥感图像场景分类方法研究

发布时间：2023-02-18 14:41

　　近年来,随着遥感技术的快速发展,遥感图像的规模正在逐步扩大,图像本身所能提供的场景语义信息也越来越丰富。然而该如何处理这些丰富的图像信息并有效利用于诸如自然灾害检测、环境检测以及城市规划等重大应用,这是遥感领域正面临的严峻挑战。遥感图像场景分类作为遥感领域的关键组成部分,一直是学术界的研究热点。场景分类的主要过程就是根据提取的图像特征从多幅图像中区分出具有相似场景特征的图像,并对这些图像赋予正确的类别标签。目前,相关学者相继提出了大量的遥感图像场景分类方法,主要以深度学习方法为主。尽管国内外学者对深度学习模型在遥感图像场景分类方面已经做了很多研究,但当前研究仍然存在以下不足:(1)遥感图像数据集类别较少,图像标注样本数据较少,限制了深度学习方法充分发挥其作用;(2)受到传感器类型、波长、拍摄角度以及光照等因素的影响,遥感图像的空间和光谱分辨率参差不齐,遥感图像表观具有明显差异,增加了场景分类难度;(3)遥感图像具有同类差异较大和部分类间相似度较高的特点,为现有方法提取鲁棒特征增加了难度。为了解决上述问题,本文在卷积神经网络的基础上,引入了孪生网络,对遥感图像场景分类进行了一系列的研究。...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 主要研究内容
    1.4 论文结构安排
2 相关理论介绍
    2.1 卷积神经网络
    2.2 数据增强
    2.3 多目标进化算法
    2.4 本章小结
3 基于孪生卷积神经网络模型的遥感图像场景分类研究
    3.1 问题描述
    3.2 孪生卷积神经网络模型
    3.3 目标函数
    3.4 实验结果与分析
    3.5 本章小结
4 基于旋转不变性特征学习和联合决策方法的遥感图像场景分类研究
    4.1 问题描述
    4.2 模型框架
    4.3 旋转不变性特征学习和联合决策方法
    4.4 实验结果与分析
    4.5 本章小结
5 基于进化算法的多目标残差网络剪枝方法研究
    5.1 问题描述
    5.2 多目标残差网络剪枝模型
    5.3 实验结果与分析
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3745163