改进AlexNet的高分三号全极化海岛地物分类

来源 :遥感信息 | 被引量 : 0次 | 上传用户:po689322
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
针对经典卷积神经网络难以有效分类全极化SAR数据中复杂的海岛地物的问题,为满足日益精细化的监测需求、充分发挥SAR在海岛监测中的作用,文章对经典的AlexNet改进,提出了一种应用于全极化SAR数据海岛地物分类的卷积神经网络模型.该模型是在AlexNet基础上调整卷积核大小及全连接层,减少参数,加入池化层,降低维度,减少计算复杂度.利用高分三号卫星对南日岛进行观测获取的全极化SAR图像进行实验和分析,表明该方法能够对全极化SAR图像中海岛的多类地物进行有效区分,与AlexNet的分类结果相比,精度提升5.56%.
其他文献
提出山水林田湖草协调发展的生态化概念,促进了国土空间规划的提升.土地资源中宜耕土地资源作为生态文明建设的要素,具有十分重要的作用.分析巴林右旗宜耕土地资源类型、分布和面积,得出当今生态文明建设下宜耕土地资源开发利用的对策和建议,服务于巴林右旗国土空间规划.
在卫星遥感大气臭氧总量的地基验证过程中,针对空间异质性特征问题研究的不足,文章以SBUV/2传感器的大气臭氧总量产品为例,选取多个典型地基站点为研究区,通过相关性、风速风向和空间热点的分析,以揭示卫星-地基臭氧总量观测相关性的空间变化以及观测偏差的空间变异分布格局.结果表明,风速风向对观测偏差大于4.45% 的高值区具有重要影响,可通过小于6.5分钟的时间差指标去除其效应.地基站点类型对观测值的相关性及偏差,在空间距离和方位上表现出明显的关联和指向.其中,乡村型站点区域观测偏差具有较高的空间梯度变化格局,
针对局部空间中林分点云多呈不规则分布的现状,提出了一种基于多尺度近邻体素特征的地面激光雷达林分点云分类方法.首先,通过特征选择获得六个特征,迭代使用四个尺度的八叉树分割点云,并在每个尺度下迭代遍历每个体素,搜索九个近邻体素计算点特征,实现四个尺度基于近邻体素重心的点特征估计;然后,使用LightGBM分类器完成训练,将该分类器模型应用于测试集实现林分点云分类;最后,通过分类准确率和计算特征用时作为评价指标对该方法实验结果进行评价.分析结果表明,该方法特征计算效率有较大幅度提升,可有效应用于人工林的点云分类
为探究珞珈一号01星(LJ1-01)获取的最新一代夜间灯光数据在人口空间化研究的适用性,采用NPP/VIIRS夜间灯光数据、LJ1-01夜间灯光数据、WorldPop人口数据、土地利用数据等,在乡镇(街道)尺度上分别建立线性回归模型、GWR模型和RFR模型,并对建模结果进行评价.结果表明:线性回归模型和GWR模型在人口密度大的区域模拟效果较好,RFR模型在整个区域表现更稳定;GWR模型的精度与空间自相关程度有关,在分区构建G W R模型时还要考虑空间因素的影响;基于L J1-01夜间灯光数据的人口空间化结
针对高分辨率遥感影像中传统超像素分割方法存在过分割和边缘分割一致性的问题,选取五景高分辨率遥感影像,提出了一种融合光谱差异的空间约束模糊聚类的熵率超像素分割方法.首先,采用熵率超像素进行过分割,生成超像素过分割区域;然后,分析影像地物的空间信息,对比区域相似性;最后,采用空间约束模糊聚类和光谱差异进行区域合并,获取最终分割影像.定性和定量分析结果表明,该方法改善了过分割问题,能有效提高分割精度,使得分割影像的地物边缘一致性较优.
基于模型的目标分解方法是全极化合成孔径雷达图像解译的重要方法,可以得到目标的散射机制信息,是进行目标分类、目标识别的基础.三分量分解方法是一种基于模型的目标分解方法,具有实施简单、物理意义明确的优点.基于崔一等提出完全利用极化信息的模型分解方法,文章对剩余矩阵进行自适应选择的酉变换,达到剩余矩阵更加匹配面散射模型和二面角散射模型的目的.首先,对自相关矩阵进行非负特征分解得到体散射分量,得到剩余矩阵;然后,对剩余矩阵进行自适应酉变换,以使交叉极化散射分量最小,更加匹配面散射和二面角散射模型;最后,通过实验验
高精度的格网人口数据能够详细地表达人口分布的实际情况,是分析区域人口活动和社会经济发展的重要数据.文章以地形复杂且人口空间分布异质性较高的京津冀地区为例,利用地表覆盖数据和NPP/VIIRS夜间灯光数据,综合考虑地形和人口密度因素对研究区进行分区,并基于区县常住人口统计数据建立逐步回归模型,模拟京津冀地区2017年500 m格网人口数据.结果表明:基于地形和人口密度因子的分区建模可提升人口格网化精度,模拟的格网人口数据与乡镇统计人口数据的平均相对误差为32.71%;79.28% 的乡镇的人口空间化相对误差
针对合成孔径雷达干涉测量技术中的相位解缠问题,以深度学习U-Net框架为基础,结合空间金字塔池化(atrous spatial pyramid pooling,ASPP)网络和瓶颈模式残差单元,提出一种基于深度学习的相位解缠方法.该方法以U-Net架构为基础,建立从缠绕相位到真实相位的映射关系,搭建鲁棒性较强的相位解缠网络.ASPP结合多尺度信息和扩张卷积的优势,将不同扩张率的扩张卷积特征图结合到一起来捕获上下文信息,能在不牺牲特征空间分辨率的同时扩大特征接收野,有利于精确获取缠绕干涉图特征信息,增强相位
鉴于深度卷积神经网络(deep convolutional neural networks,DCNN)的矩形感受野与土地利用图斑不规则形状范围的套合程度是影响土地利用图斑识别精度的重要因素,文章提出一套基于高分辨率影像的DCNN土地利用类型核查方法.该方法采用图斑掩膜裁切高分辨率影像,滤除矩形感受野内不套合部分,降低背景噪声,提高信噪比,从而准确识别图斑影像语义,通过检查语义与土地利用类型的符合性实现图斑的土地利用类型核查.在广水市第三次国土调查土地利用类型核查工作中,该方法获得了召回率为93.54%、准
本文在国土空间规划背景下,明晰了新规划、新形势下国土综合整治与修复的战略和任务,基于额济纳旗国土空间各类要素的特点,研究国土综合整治与修复体系的构建,通过构建体系,提出整治模式,以期为后续国土空间规划工作提供参考.