

基于伪标签和类别词典学习的遥感图像地表覆盖分类方法.pdf
海昌****姐淑
亲,该文档总共11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
基于伪标签和类别词典学习的遥感图像地表覆盖分类方法.pdf
本发明涉及一种基于伪标签和类别词典学习的遥感图像地表覆盖分类方法,包括:利用预训练卷积神经网络为源域和目标域影像提取深层特征,筛选目标域可靠伪标签数据;源域标签数据和目标域可靠伪标签数据组成联合训练样本,结合类别词典学习方法得到源域类别词典;结合目标域可靠伪标签数据,得到过渡类别词典和最终的目标域类别词典;结合源域类别词典、过渡类别词典和目标域类别词典,得到源域和目标域的域不变特征表达;利用联合训练样本的域不变特征表达训练SVM分类器,预测目标域影像的地表覆盖类别。本发明的方法在训练样本缺失的情况下有效提
基于迁移学习和ResNet50的遥感图像土地覆盖分类.pdf
山东国土资源第39卷第10期2023年10月基于迁移学习和ResNet50的遥感图像土地覆盖分类彭程1,王靖伟1*,高涛1,申婕1,王静1,诸葛迎雪2,孙静雯3(1.日照市自然资源和规划局,山东日照276800;2.中共日照市委网络安全和信息化委员会办公室,山东日照276800;3.南京市测绘勘察研究院股份有限公司,江苏南京210019)摘要:遥感和人工智能的飞速发展为基于图像的土地覆盖自动分类提供了实现途径,本文通过修改深度残差网络(ResNet50)的输出层,并利用迁移学习将网络在ImageNet数据
多类别遥感图像的复合分类方法.docx
多类别遥感图像的复合分类方法标题:多类别遥感图像的复合分类方法摘要:随着遥感技术的发展和应用需求的增加,对于多类别遥感图像的分类问题变得越来越复杂和关键。传统的单一分类器方法在面对多类别遥感图像时存在分类精度不高的问题。因此,本文提出了一种基于复合分类方法的多类别遥感图像分类方法。该方法将不同分类器的分类结果进行融合,以提高分类的准确性和鲁棒性。实验结果表明,与传统的单一分类器方法相比,本文提出的复合分类方法在多类别遥感图像分类任务中具有更好的性能。1.引言1.1研究背景1.2研究意义1.3研究目标和内容
基于卷积神经网络的遥感影像地表覆盖分类.docx
基于卷积神经网络的遥感影像地表覆盖分类基于卷积神经网络的遥感影像地表覆盖分类摘要:随着遥感技术的不断发展,利用遥感影像进行地表覆盖分类已成为一种重要的研究方向。传统的遥感影像地表覆盖分类方法往往需要人工提取特征和设计分类器,且效果受限,无法应对大规模遥感影像分类的挑战。而卷积神经网络(ConvolutionalNeuralNetworks,CNN)由于其卓越的特征学习能力,已被广泛应用于遥感影像地表覆盖分类任务中。本文介绍了基于卷积神经网络的遥感影像地表覆盖分类方法及其应用,包括数据预处理、网络结构设计、
基于SLIC和主动学习的高光谱遥感图像分类方法.docx
基于SLIC和主动学习的高光谱遥感图像分类方法基于SLIC和主动学习的高光谱遥感图像分类方法摘要:高光谱遥感图像分类是遥感领域中的一个重要问题,它在农业、环境监测、城市规划等方面具有广泛的应用。然而,由于高光谱图像数据的维度高、数据量大及类内样本差异大等特点,传统的分类方法往往无法很好地应对。本文基于SLIC和主动学习方法,提出了一种高效准确的高光谱遥感图像分类方法。通过SLIC算法的超像素分割将高光谱图像划分为更加稳定的空间单元,并通过主动学习方法选择最具代表性的样本进行分类,提高了分类的效果和准确性。