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
小寄****淑k
亲,该文档总共15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
一种多光谱遥感影像变化检测方法.pdf
本发明涉及遥感影像处理技术领域,提出了一种多光谱遥感影像变化检测方法,主要解决当遥感地物类型较复杂时,传统方法构造的差异影像信息冗余大,伪变化信息及背景噪声干扰严重;传统基于EM算法求得的高斯混合模型(GMM)对差异影像直方图拟合效果差,检测精度低的问题。其实现过程包括下述步骤:首先,采用主成分(PCA)变换与相关系数融合法相结合的方式构造差异影像;其次,利用分支数为k的GMM对差异影像进行建模,并利用MDL-EM算法自适应估计模型各参数;最后,利用基于统计最小错误率的Bayes判别准则确定变化检测的阈值
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
一种多尺度差分深度特征融合的无人机高光谱遥感图像农田利用变化检测方法与系统.pdf
本发明涉及一种多尺度差分深度特征融合的无人机高光谱遥感图像农田利用变化检测方法与系统,属于信息处理技术领域。该方法包括以下步骤:S1:获取目标区域遥感影像;S2:对获取的目标区域遥感影像进行预处理,获得训练样本数据;S3:将部分标记样本输入多尺度差分特征融合网络进行训练;S4:训练完成后对完整图像进行变化检测获得结果。本发明所述方法和系统的性能优于其他的高光谱图像农田变化检测方法,本方法可以更好地获得和分析变化成分,并且在检测细小变化方面比其他方法具有优势。
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