基于卷积神经网络的高分辨率遥感影像场景分类方法研究

来源 :长安大学 | 被引量 : 0次 | 上传用户:planktonli
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,以高分辨率遥感影像为基础,结合大数据和移动互联网等前沿技术,构建综合交通时空大数据管理平台及行业治理与分析决策系统,可实现对交通运输规划、建设、运行、发展及服务质量等多方面的综合管理提升。随着遥感大数据时代的到来,遥感数据的数量和质量得到了极大提升,因此基于数据驱动的深度学习算法得到了广泛应用,并取得了显著成就。与自然场景图像相比,遥感图像具有图幅广阔、目标要素繁杂以及图像模态类型多样等特点,需要更复杂的深度学习算法模型捕获图像特征完成相应的解译任务。作为高分辨率遥感影像智能解译的基础之一,场景分类任务的难点主要有两点:一是深度学习模型如何从海量的遥感数据中提取复杂的地物信息,获得更好的特征表示和泛化能力,从而提高模型解译的准确度。二是随着深度学习模型越来越复杂,要求较高的算力资源支持,在边缘端就需要解决模型复杂度和功耗间的矛盾。如何对卷积神经网络进行压缩和加速,降低部署在边缘计算设备的难度,是实际应用中必须解决的问题。针对上述难点,本文的主要研究内容和成果如下:(1)针对高分辨率遥感图像具有多尺度、特征丰富、包含大量复杂背景和小目标等一系列特点,从优化特征提取器的表示能力出发对传统卷积网络进行改进。利用深度学习网络架构,结合Gabor卷积层组成具有参数自学习能力的端到端网络,同时用高阶的全局协方差池化代替传统卷积网络中低阶的全局平均池化,进一步提高了网络的表示学习能力,以及在测试数据集中的泛化能力。在四个不同的遥感公开数据集进行测试,结果表明该网络在高分辨率遥感图像上的分类效果领先现有的其他分类网络。(2)随着人们对深度学习理论研究的不断深入,传统卷积神经网络模型层数和复杂度也在不断增加,虽然网络的识别性能不断提高,但与之同时模型的参数、计算量以及内存消耗也在飞速增加,导致很多模型在实际边缘计算设备中难以部署,限制了人工智能技术在实际遥感智能解译中的应用。针对上述问题本文设计了 一个端到端的轻量化卷积神经网络。该网络以深度残差网络作为主干,以特征复用思想,设计并实现了一种轻量化的卷积模块并将其嵌入到主干网络中,同时将空间金字塔通道注意力机制一并融入网络结构当中。通过在四个不同的遥感数据集上进行分类实验,证明该方法在不损失模型精度的情况下,可大大降低模型参数以及计算量。
其他文献
随着我国经济的快速发展,越来越多的车辆被用作出行及运输工具。各种车辆在给人们带来便利、创造经济价值的同时,也引起了不容忽视的汽车噪音问题,车辆的鸣笛噪声是交通噪声的重要组成部分,严重影响了人民的生活。为了改善城市环境,我国多个城市均制定了相关法规禁止车辆鸣笛。但是,由于交通流量巨大,车辆又处于移动状态,对鸣笛车辆的识别与定位存在效率低、可靠性差等问题。为此,本文基于声传播特性,通过对麦克风阵列多种
水下航行器远距离信号对接容易受到速度、噪声等影响,导致信号自动化对接准确性较低,为此提出多方向水下无人航行器远距离信号自动化对接技术.对对接信号衰减程度估计及时变网络的输出进行多普勒谱分析,确定对接最佳频段,并将多种群竞争机制引入免疫算法进行对接,实现多方向水下无人航行器远距离信号自动化对接.实验结果表明,此次研究的对接技术误比特率低,并且在不同距离下对接信号图谱与实际图谱相差都较小,证明此次研究的远距离信号自动化对接技术对接准确性较高.
船联网环境下,获得数据呈现多来源、异构特点,不但加大的信息安全危机,也为船联网稳定运行带来了威胁,故提出船联网环境下多来源数据融合调度算法研究.详细分析船联网结构,以此为基础获取多来源数据,并统一数据结构,采用N阶加权移动平均数据融合算法对多来源数据进行融合.依据多来源数据融合过程构造融合树形式,将时间划分为一个个时隙,合理分配传感器节点,解决多个传输冲突问题,从而实现了多来源数据的融合调度.通过实验数据比较可知,本文算法的数据调度次数更少,节点能量消耗更小,充分证实了本文算法应用性能更好.
在舰船的制造过程中,零件精度与细节完整度是确定机械设计效果的重要依据.常规的舰船机械制造方法此部分较为薄弱,时常造成零件制造成本过高与资源浪费的问题.因此,开展计算机辅助设计在舰船机械制造的应用研究,通过计算机技术解决此问题.根据零件尺寸差值与生产成本关系函数,使用标准公差因子实现精度误差控制.建立零件精度与零件在CAD软件中设计精度的关联函数,获取精度设计模型,提升CAD绘图可靠性.构建实验环节进行验证.实验结果表明,计算机辅助设计技术在舰船机械制造过程具有使用价值,可有效控制零件制造成本过高与资源浪费
渗漏水是隧道及地下工程的常见病害,对围岩地下水的渗流机理的把握既是病害处置的依据,也是往往是工程实践的难题。黄土高原梁峁区的最大特征是各梁峁之间不存在供给关系,所以其渗流机理和其他的也有不同。论文以穿越孤立山体的隧道为例,探讨了特定地形地貌和地质条件下隧道渗漏水特征与地表降水、围岩含(储)水体和渗流特征之间的关系,分析了围岩渗流路径及机理,应用数值分析方法予以验证,并提出了工程处置建议。本文以牛栏
船舶中网络数据较多,传统病毒入侵检测方法不能有效对正常数据与异常数据分类,从而导致网络病毒入侵检测率与误检率较低,基于这一问题,将数据挖掘算法应用到船舶网络病毒入侵检测中.对网络数据采集,采用数据挖掘技术中的聚类分析算法将数据集合中对象划分成若干个类,聚类后形成多个数据集,在此基础上,确认离群点,划分为正常类与异常数据类,采用Apriori算法挖掘离散点中的频繁项集,寻找到病毒入侵中出现的频繁异常数据集,实现船舶网络病毒入侵检测.实验将检测率与误检率作为入侵检测指标,结果表明,此次研究的方法检测率高,并有
以往打磨船锚表面是通过大量劳动工人手工精整加工实现的,然而,在船锚表面质量一致的情况下,传统打磨方式大大降低了磨削的工作效率,为此提出基于工业机器人的船锚表面磨削智能处理研究.通过分析船锚表面特性,选择砂带磨削机,进而通过离散点距离匹配原则,规划工业机器人磨削路径,最终在坐标系校准流程基础上,应用ICP算法完成校准,进而实现船锚表面有效处理.根据实验的对比结果可知,在姿态速度均为100 vrot的情况下,基于工业机器人的船锚表面磨削智能处理时间仅为9.227 s,耗时最短.
水下无人航行器的运行轨迹依靠推算来完成,一旦推算错误,将会偏离预期轨迹,无法到达目的地.为此,研究一种水下无人航行器航位推算方法.该方法研究分为两部分:前一部分利用测速传感器和姿态传感器采集航行器航行数据,并进行异常值处理;后一部分根据采集到的数据以及已知的初始位置,推算得到航行器二维航位坐标,并通过地理坐标系转换为经纬度值,完成航位推算.结果表明:在所研究方法应用下,推算航位与预期航位经纬度偏差都<1°,说明所研究算法的推算精度较高,达到了研究目的.
3D打印技术是一种结构件的快速加工制造技术,不论是加工效率和工艺灵活性都远胜于传统加工工艺,因此,3D打印技术已经在航空、军事、汽车、舰船等领域获得了广泛的应用.舰船主轴等零部件的空间曲面非常复杂,传统的加工工艺效率低、加工难度大,针对这一问题,本文设计了基于3D打印技术的船舶零部件快速设计系统,基于FDM熔融沉积打印技术实现了船舶零部件三维模型的快速成型.
为了解决现有舰船装备维修数据显示偏差大、控制速度慢的问题,从硬件和软件2个方面研究云显控系统的优化设计.改装嵌入式云处理器和显示屏设备,加设物联网通信和显示控制器模块,通过系统电路的连接确保各个硬件设备之间的协同运行,以收集的舰船装备维修信息为显示对象,通过设置显示控件以及窗口的方式,实现舰船装备维修信息的显示与控制.实验结果表明,设计云显控系统实际显示的数据偏差值低于0.1,且显控命令的响应时间低于0.5 s,即数据显示精度与控制速度均满足设计要求.