一种基于迁移学习的高分遥感影像语义边缘提取方法.pdf
飞飙****ng
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
一种基于迁移学习的高分遥感影像语义边缘提取方法.pdf
一种基于迁移学习的高分遥感影像语义边缘提取方法,包括:步骤1:准备阶段,分为确定任务目标、挑选网络结构和准备预训练模型;步骤2:准备影像集和样本;步骤3:冻结选取的网络结构中的部分编码器参数,设定超参数后用样本集C微调网络结构中的其他参数,得到新的网络模型b;步骤4:制作伪样本集;步骤5:将样本集C和伪样本集D合并为样本集E,冻结部分编码器的参数,设定超参数后微调网络模型中其他部分,得到最终的语义边缘提取模型。本发明以小数量的样本便能得到精度和泛化性足够满意的语义边缘提取网络模型。
一种基于语义分割模型的高分遥感影像水体提取方法.pdf
本发明公开了一种基于语义分割模型的高分遥感影像水体提取方法,涉及遥感影像技术领域,包括以下步骤:获取遥感影像数据;对遥感影像数据进行水体光谱特征提取;将水体光谱特征与HH和HV双极化模式特征进行特征组合,构建水体样本数据集;构建改进的DeepLabV3+网络模型;根据水体样本数据集对改进的DeepLabV3+网络模型进行语义分割训练,对改进的DeepLabV3+网络模型中的参数进行调整,得到最优DeepLabV3+网络模型;通过最优DeepLabV3+网络模型对水体信息进行提取。本发明首次提出了联合GF‑
基于迁移学习的高分辨率卫星遥感影像地震滑坡提取方法研究的开题报告.docx
基于迁移学习的高分辨率卫星遥感影像地震滑坡提取方法研究的开题报告一、选题背景和意义随着遥感技术的不断发展和成熟,高分辨率卫星遥感影像在地震滑坡监测和研究中得到了广泛的应用。但是,高分辨率卫星遥感影像数据具有空间和时间分布复杂、数据量大、数据维度高等特点。因此,如何快速、准确地提取和分析高分辨率卫星遥感影像数据中的地震滑坡信息成为了遥感学和地震学研究领域的热点问题。近年来,基于深度学习的遥感影像地震滑坡提取方法取得了不错的成果。但是,深度学习算法需要大量的标注数据进行训练,而标注数据获取成本较高,限制了深度
多层次语义边界分割的高分辨遥感影像农田提取方法.pdf
多层次语义边界分割的高分辨遥感影像农田提取方法,包括:步骤1:农田语义边界提取:步骤2:农田边界阈值设置:步骤3:农田边界阈值分割:步骤4:农田边界细化:步骤5:农田边界迭代分割与细化:步骤6:农田矢量对象构建。本发明以边缘检测网络得到的边界强度图作为输入,采用多层次阈值分割方法,提取精细边界。其中,高阈值分割结果能够保证分割结果尽量贴合真实边界,低阈值使得构建的地物对象尽可能完整。从而,使得细化结果既能保持较高的边界定位精度,又具有较好的完整性。
基于Clifford小波的遥感影像边缘提取方法研究的任务书.docx
基于Clifford小波的遥感影像边缘提取方法研究的任务书任务书一、课题背景随着遥感技术的飞速发展,大量的高分辨率遥感影像数据得以获取,为遥感影像处理提供了更加丰富、精细的信息源。在遥感影像处理中,边缘提取是一项非常重要的任务。边缘提取能够从图像中提取出目标区域和背景之间的边缘,是图像分割、物体识别、目标跟踪等应用的基础。目前,边缘提取方法主要包括基于梯度、基于最小路径、基于小波等方法。其中,小波变换因其优良的时频局部性和多分辨率分析能力,成为了较为广泛应用的方法之一。Clifford小波是一种基于Cli