基于CNN的高分辨率卫星遥感影像分类研究.pdf
文库****品店
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于CNN的高分辨率卫星遥感影像分类研究.pdf
基于CNN的高分辨率卫星遥感影像分类研究一、引言高分辨率卫星遥感影像分类是遥感技术中的一个重要问题,在环境监测、资源调查等方面有着广泛的应用。然而,随着遥感技术的不断发展,传统的基于手工提取特征的分类方法渐渐被基于深度学习算法的分类方法所取代。在深度学习算法中,卷积神经网络(CNN)由于具有强大的特征自动提取能力,已经成为遥感影像分类的主要算法之一。本文将介绍卷积神经网络在高分辨率卫星遥感影像分类中的应用,包括网络结构、模型训练等方面。二、基于CNN的高分辨率卫星遥感影像分类1.卷积神经网络(CNN)概述
高分辨率遥感影像分类方法研究.docx
高分辨率遥感影像分类方法研究【摘要】本文主要研究了高分辨率遥感影像分类的监督非分类方法、监督分类及其他分类方法。以胶州市QuickBird遥感影像作为试验数据基于ERDASIMAGINE9.1软件平台执行非监督分类和监督分类处理并且对最大似然分类方法、马氏距离分类方法和最小距离分类方法进行实验数据比较分析经过对分类精度评价指标的计算结果分析评价后三种分类方法的总精度都在75%以上满足应用的要求。并且实验数据表明最大似然分类方法的分类精度最高。【关键词】高分辨率
基于神经网络的高分辨率遥感影像分类研究的开题报告.docx
基于神经网络的高分辨率遥感影像分类研究的开题报告摘要:高分辨率遥感影像的分类在实际应用中具有重要意义,如土地利用、环境监测等。传统的遥感影像分类方法主要基于像元级别的特征提取和分类器设计,但这种方法难以处理大量的遥感数据。基于神经网络的方法由于可以自动提取特征和分类,因此成为了在遥感图像分类中的研究热点。在本文中,我们将介绍基于神经网络的高分辨率遥感影像分类方法的研究现状和研究意义,并提出一个基于卷积神经网络(CNN)的遥感影像分类模型。我们将使用公开的高分辨率遥感影像数据集进行实验,评估模型的性能和效果
基于高分辨率遥感影像的植被分类方法研究的任务书.docx
基于高分辨率遥感影像的植被分类方法研究的任务书任务书一、任务背景植被是地球上非常重要的自然资源,它在维持生态平衡、改善环境、提供食物等方面都起着重要的作用。随着遥感技术的发展,高分辨率遥感影像技术已经成为研究植被分类的重要手段之一。因此,如何准确高效地进行植被分类成为目前遥感应用研究中的热点问题之一。二、任务目标本次任务旨在探究基于高分辨率遥感影像的植被分类方法,研究针对特定场景进行植被分类的最佳方法。具体任务目标如下:1.了解遥感影像植被分类技术的基本原理和现有研究成果。2.掌握高分辨率遥感影像的获取与
高分辨率遥感影像分类.ppt
水稻估产——江苏高邮采用遥感技术与水稻模拟模型相结合的方法建立遥感数值模拟模型进行水稻预报。利用AVHRR可见光和近红外波段构造归一化植被指数NDVI,结合实测地面样点叶面积指数LAI,建立植被指数与LAI的相关模式。利用分辨率相对较高的Landsat/TM影像进行水稻种植面积提取,并作为AVHRR子像元提取依据,实现混合像元分解。将遥感资料与水稻模拟模型(RCSODS)相结合,在RCSODS模型的基础上增加NDVI-LAI和RSYIELD两个模块,以江苏省高邮市为例进行水稻产量预报。RCSODS模型RC