基于深度学习的高分辨率卫星图像分类研究

发布时间：2024-01-31 19:40

　　卫星图像具有丰富的地物特征信息,分类后影像数据应用于多种行业。传统提取方法的性能依赖于手工特征的选择,无法适应复杂的大样本的高分辨率影像。与传统卫星图像提取方法相比,深度卷积神经网络由于出色的特征表示能力,在目标检测、语义分割、图像分类方法等计算机视觉工作中取得了很好的效果。但目前深度学习方法分类目标影像存在小目标分类差,过度分割的问题。针对以上问题,本文在大量分析卫星图像目标分类领域的国内外研究基础上,提出一种卫星图像目标分类新型网络模型AA-SegNet,该网络模型基于SegNet架构改进的注意力与增强型空间金字塔机制相结合而成。AA-SegNet网络模型主要结构由三部分组成。第一部分是编码网络,AA-SegNet结构改进为在编码器末端,加入增强型空间金字塔模块A-ASPP,A-ASPP结构中的平行扩张卷积采用不同的扩张因子,得到更密集的采样,收集更高层次的局部信息,并且旨在精准提取小目标。为了提高学习能力,A-ASPP结构使用扩张因子先扩大然后减少以保持信息获取多尺度的优势。扩张因子逐渐扩大,使感受野更加密集,能够感受更详细的背景信息;随后减少扩张因子以聚合局部信息来增强小物体的...

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图1-1整体研究技术路线

青岛科技大学研究生学位论文71.4.2技术路线本文使用Keras框架，研制深度神经网络算法模型，研究重点在于设计网络模型结构、设计模型“超参数”与样本数据集制作。本文整体研究技术路线如图1-1所示：图1-1整体研究技术路线Figure1-1Overallresearchtechn....

图2-1全连接和局部感知示意图

青岛科技大学研究生学位论文92深度学习相关理论深度学习是模仿大脑的自动学习，提取目标特征的一种机器学习方法，通过线性或非线性组合获得更高更深层次的表达。深度学习常用模型包括，如卷积神经网络（ConvolutionalNeuralNetworks，CNN）,深度置信网络（DeepB....

图2-2局部感和权值共享示意图

基于深度学习的高分辨率卫星图像分类研究10100个，加上偏向b,一共需要101个参数，获得的图像大小仍然是100X100[57]，共享权值可以很大程度的减少网络计算量。局部感知、权值共享如图2-2所示。(a)局部感知(b)权值共享图2-2局部感和权值共享示意图Figure.2-2....

图2-3池化不变性示意图

基于深度学习的高分辨率卫星图像分类研究10100个，加上偏向b,一共需要101个参数，获得的图像大小仍然是100X100[57]，共享权值可以很大程度的减少网络计算量。局部感知、权值共享如图2-2所示。(a)局部感知(b)权值共享图2-2局部感和权值共享示意图Figure.2-2....

本文编号：3891438