版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、地表水體信息的獲取對(duì)洪澇災(zāi)害分析、環(huán)境保護(hù)、水資源開發(fā)和利用等多個(gè)方面具有重要意義。隨著遙感技術(shù)的發(fā)展,利用遙感技術(shù)手段獲取地表水體信息越來越占據(jù)主要地位。目前,譜間關(guān)系法和歸一化差異水體指數(shù)等傳統(tǒng)的水體提取方法已經(jīng)不能滿足當(dāng)前大范圍應(yīng)用的需要,越來越多的研究者利用機(jī)器學(xué)習(xí)方法來提取水體信息,淺層機(jī)器學(xué)習(xí)模型取得了一定的效果,但需進(jìn)行復(fù)雜的人工特征分析與選取。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中一個(gè)新的領(lǐng)域,是當(dāng)前人工智能的研究熱點(diǎn),其深層網(wǎng)絡(luò)模型
2、具有強(qiáng)大的表達(dá)能力,能夠從樣本中自學(xué)習(xí)更有用的特征,在語音分析、圖像識(shí)別和自然語言處理等方面取得了突破性進(jìn)展。本文采用機(jī)器學(xué)習(xí)方法建立相關(guān)模型進(jìn)行水體信息提取,主要工作包括以下幾個(gè)方面:
(1)對(duì)傳統(tǒng)的水體提取方法進(jìn)行了總結(jié),分析了這些方法的優(yōu)缺點(diǎn)。詳細(xì)介紹了遙感圖像的預(yù)處理方法和支持向量機(jī)(SVM)模型,為后文的實(shí)驗(yàn)做準(zhǔn)備。
(2)提出一種基于 BP神經(jīng)網(wǎng)絡(luò)的河道水體提取方法。該方法綜合能有效提取水體尤其是細(xì)小水體
3、的多種方法,充分利用特征組合的優(yōu)勢(shì),從ETM+影像中提取譜間關(guān)系、改進(jìn)的歸一化差異水體指數(shù)、K-T變換的第三分量(TC3)以及IHS彩色空間等多種特征進(jìn)行網(wǎng)絡(luò)訓(xùn)練。
(3)提出一種基于棧式自編碼的遙感圖像水體提取方法。該方法結(jié)合無監(jiān)督與有監(jiān)督學(xué)習(xí)的優(yōu)點(diǎn),通過堆疊多層稀疏自編碼器和softmax分類器建立深度網(wǎng)絡(luò)模型,采用逐層貪婪訓(xùn)練法依次訓(xùn)練網(wǎng)絡(luò)的每一層,從像素層面無監(jiān)督學(xué)習(xí)特征,避免了顯式的特征抽取過程;利用學(xué)習(xí)到的特征以及
4、相應(yīng)的樣本標(biāo)簽有監(jiān)督訓(xùn)練softmax分類器;采用反向傳播算法優(yōu)化整個(gè)模型。
(4)提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像水體提取方法。該方法充分利用了遙感圖像的光譜和空間信息,采用模擬人腦的分層結(jié)構(gòu),直接從原始數(shù)據(jù)中提取由低層到高層、由具體到抽象的特征。其局部感受野和權(quán)值共享大大減少了需要訓(xùn)練的網(wǎng)絡(luò)參數(shù)數(shù)量,降低了網(wǎng)絡(luò)模型的復(fù)雜度,空間的子采樣結(jié)構(gòu)對(duì)一定范圍內(nèi)的平移、縮放以及其他形式的變形具有高度不變性,在圖像處理方面具有獨(dú)特的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機(jī)器學(xué)習(xí)的遙感圖像分類研究.pdf
- 基于機(jī)器學(xué)習(xí)的遙感影像車輛信息提取研究.pdf
- 基于圖像特征的遙感圖像道路提取.pdf
- 基于機(jī)器學(xué)習(xí)的農(nóng)作物種植結(jié)構(gòu)遙感提取研究.pdf
- 基于遙感圖像的公路信息自動(dòng)提取研究.pdf
- 基于集群的高性能遙感影像水體提取方法研究.pdf
- 遙感圖像道路提取研究.pdf
- 基于集成學(xué)習(xí)的高分遙感圖像玉米區(qū)高精度提取算法研究.pdf
- 基于特征提取和機(jī)器學(xué)習(xí)的醫(yī)學(xué)圖像分析.pdf
- 分布式遙感圖像水體識(shí)別研究.pdf
- 基于水平集的遙感圖像道路提取方法研究.pdf
- 基于主動(dòng)輪廓模型的遙感圖像目標(biāo)提取研究.pdf
- 基于演示編程的遙感圖像元數(shù)據(jù)提取方法研究.pdf
- 基于SVM遙感圖像專題信息提取研究.pdf
- 遙感圖像中的小區(qū)道路提取研究.pdf
- 遙感圖像特征提取方法研究.pdf
- 基于機(jī)器學(xué)習(xí)的圖像質(zhì)量評(píng)價(jià)研究.pdf
- 基于機(jī)器學(xué)習(xí)的圖像檢索方法研究.pdf
- 基于數(shù)字摳圖的遙感圖像滑坡半自動(dòng)提取研究.pdf
- 基于Landsat ETM+和ALOS PALSAR圖像融合的水體提取研究.pdf
評(píng)論
0/150
提交評(píng)論