一种基于深度学习的遥感图像地块提取方法及系统.pdf
俊凤****bb
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习的遥感图像地块提取方法及系统.pdf
本发明公开了一种基于深度学习的遥感图像地块提取方法及系统,本发明包括将遥感图像输入完成训练的深度神经网络得到地块边界概率图和地块区域概率图;对地块边界概率图二值化、进行霍夫变换检测直线补充边界,得到地块边界;对地块区域概率图首先进行二值化得到二值化地块区域图,然后将二值化地块区域图基于地块边界进行粘连地块的分离,得到最终的遥感图像地块提取结果。本发明由深度神经网络提取初始地块及地块边界,在提取地块边界的基础上,利用地块的边界先验信息,通过霍夫变换检测边界直线对断开处进行补充完善,最终获得完整闭合的地块边界
基于深度学习的遥感图像的分割方法.pdf
本发明属于图像处理技术领域,具体为基于深度学习的遥感图像的分割方法。本发明方法包括:选取包含若干种地物类别的遥感图像,制作图像分割标签;将大图像裁剪成若干较小的遥感图像,统计每张较小图像中各种类别比例,定义选取规则,保留部分图像,并将其定义为特定类别;利用迁移学习调取大型公开数据集的训练参数,用卷积神经网络训练制作好的分类数据集,训练得到模型参数;对测试图像的所有像素点周围选取多种测试窗口,基于多尺度对像素点进行类别分类;最后去除独立的类别噪声点,将测试结果优化。本发明实用性强,可以将大规模遥感图像快速生
一种基于深度学习的多光谱遥感图像变化检测方法及系统.pdf
本发明公开了图像处理技术领域的一种基于深度学习的多光谱遥感图像变化检测方法及系统,包括:计算遥感影像的变化矢量幅值;根据变化矢量幅值EM算法获取伪训练样本集:标记样本集(包括变化类样本集、非变化类样本集)和非标记样本集;构建两个网络学生网络和教师网络,并针对标记样本集构建交叉熵损失函数,针对非标记样本集构建均方误差函数;对学生网络采用随机梯度下降优化算法进行优化,并在每一训练轮次更新教师网络的权重参数;根据最终的教师网络获取对应的最终变化检测结果。另外,网络的训练中还加入了无标记样本集参与训练,从而本发明
一种基于深度学习的遥感图像语义分割方法.pdf
本发明公开了一种基于深度学习的遥感图像语义分割方法,包括以下步骤:获取数据集;对数据进行增广;构建segnet、unet网络模型;修改segnet网络,在编码器中的前两个阶段增加两个空洞空间金字塔池化(ASPP)模块,有效提取多尺度特征,保留空间位置信息,完成两个ASPP模块的训练后,在解码器中进行相应的特征融合;载入数据进行模型训练、预测;模型融合,将使用三个模型得到的预测图的每个像素点进行投票;对预测结果做可视化处理。本发明对segnet网络进行改进,增强了特征提取能力并有效的融合了网络的上下文信息,
一种耕地地块边界遥感提取方法及系统.pdf
本发明公开了一种耕地地块边界遥感提取方法及系统,该方法包括:获取待处理的多个遥感图像,所述多个遥感图像对应至少一个地理场景;利用改进U‑Net网络模型确定至少一个地理场景中的目标耕地场景;利用多通道RCF模型对目标耕地场景下的目标遥感图像识别,以得到所述目标遥感图像中耕地地块对应的耕地边缘。本发明实施例能够保证耕地边缘获取的精度的同时缩减耕地边缘提取的成本。