基于全卷积神经网络的遥感图像典型地物分类方法研究的任务书.docx

基于全卷积神经网络的遥感图像典型地物分类方法研究的任务书
任务书
一、研究背景
遥感技术是一种很有分量的技术，在军事、环境、灾害等领域都有广泛应用。随着遥感技术的不断发展，利用遥感数据进行典型地物分类研究也得到了越来越多的关注。现有的典型地物分类方法虽然已经可以取得较好的效果，但在处理一些具有复杂空间特征的地物时，仍然会出现误差率较高等问题。因此，研究基于全卷积神经网络的遥感图像典型地物分类方法，有着很好的应用前景。
二、研究目标
1.深入探究卷积神经网络分类方法的特点，确定典型地物分类的研究思路和方法；
2.研究全卷积神经网络的基本原理，包括卷积、池化等层的作用和特点；
3.掌握典型地物分类的数据处理技术，包括遥感图像的选择、预处理等步骤；
4.设计基于全卷积神经网络的遥感图像典型地物分类方法，并进行实证研究。
三、研究内容和研究思路
1.介绍遥感图像分类的现状和存在问题，分析卷积神经网络的分类方法在典型地物分类中的优势和应用前景；
2.确定研究的数据集和研究方法，包括数据预处理、卷积神经网络的构建和训练等步骤；
3.实施遥感图像分割算法，将图像分割成若干像素块，输入到卷积神经网络中进行训练，得到一个具有全局感知力的特征向量；
4.进行模型的参数调整和训练，包括网络的深度、节点数、学习率等参数的选择，以及利用交叉验证等手段提高分类精度；
5.根据实验结果对方法进行分析，包括精确度、召回率、F1值等性能指标的评估，分析方法的缺陷并提出改进策略。
四、预期成果
1.探究基于全卷积神经网络的遥感图像典型地物分类方法的价值和应用价值；
2.建立基于全卷积神经网络的遥感图像典型地物分类模型，在典型地物区分方面取得较好的分类效果；
3.提出方法的改进策略，对新典型地物的分类具有潜在的应用价值。
五、研究进度安排
本研究计划为期6个月，预计具体工作进度如下：
第1-2个月：研究典型地物分类的现状和存在问题，掌握卷积神经网络的原理和基本操作。
第3-4个月：选定数据集，研究典型地物分类数据的预处理方法，构建基于全卷积神经网络的遥感图像分类模型。
第5个月：进行实验验证，并对方法进行改进和优化。
第6个月：总结研究成果，撰写毕业论文。
六、参考文献
1.LongJ,ShelhamerE,DarrellT.Fullyconvolutionalnetworksforsemanticsegmentation[C].ProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition.2015.
2.ChenLC,PapandreouG,KokkinosI,etal.SemanticimagesegmentationwithdeepconvolutionalnetsandfullyconnectedCRFs[J].arXivpreprintarXiv:1412.7062,2014.
3.VijayanarasimhanS,JainS,GraumanK.Far-sightedactivelearningonabudgetforimageandvideorecognition[C].ProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition.2015.
4.WangX,HouJ,WeiH,etal.Multi-scaleconvolutionalneuralnetworksforradioweaksignalrecognition[J].Neurocomputing,2016,173:1610-1622.
5.ZhaoH,ShiJ,QiX,etal.Pyramidsceneparsingnetwork[J].arXivpreprintarXiv:1612.01105,2016.