發(fā)布時(shí)間：2024-11-02 19:56

　　農(nóng)作物的種植結(jié)構(gòu)和面積是預(yù)測(cè)農(nóng)業(yè)生產(chǎn)力及人口承載力的重要數(shù)據(jù)源,及時(shí)、準(zhǔn)確地獲取區(qū)域尺度上的作物種植信息具有重要的意義。隨著商業(yè)小衛(wèi)星和無人機(jī)遙感技術(shù)的快速發(fā)展,高分辨率遙感影像已經(jīng)廣泛應(yīng)用于農(nóng)業(yè)領(lǐng)域�？臻g分辨率的提高,地物的細(xì)節(jié)信息明顯,如幾何結(jié)構(gòu)、紋理特征等。同時(shí),像元的光譜信息弱化。在影像中,同類地物內(nèi)的方差增大,異類地物間的差異減小。像素的光譜信息較弱,僅利用光譜信息分析的方法不在適用于高分辨率影像。作物種植大多是田塊種植,套種的方式基本不存在了,提取的作物種植信息也應(yīng)該是塊狀連片的區(qū)域。然而,高分辨率影像普遍受到“同物異譜”與“異物同譜”等現(xiàn)象的影響,作物長勢(shì)也存在差異,會(huì)在空間上表現(xiàn)出不同程度的差異。因此,本文從高分辨率影像分類特征、面向?qū)ο蟮淖魑锾飰K分割和高精度分類算法三個(gè)方面展開了探討和研究。主要工作如下:(1)高分辨率影像的農(nóng)作物分類特征構(gòu)建�？梢姽庥跋癜�含有紅、綠、藍(lán)3色的灰度信息和更多的影像結(jié)構(gòu)信息,僅利用色彩信息難以實(shí)現(xiàn)作物類型區(qū)分。從模式識(shí)別的角度來看,針對(duì)特定分類對(duì)象或用途,代表性特征的選擇或提取是提高準(zhǔn)確性的關(guān)鍵。因此結(jié)合研究區(qū)主要農(nóng)作物類型,從色彩、光譜指...

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

第一章緒論3圖1-1RGB影像分類特征研究現(xiàn)狀Fig.1-1ResearchStatusofRGBImageClassificationFeatures1.2.2面向?qū)ο蟮挠跋穹指钤诟叻直媛蕡D像中，地塊內(nèi)作物的長勢(shì)常常是不均勻的，基于像素的“硬分類”會(huì)產(chǎn)生較多的椒鹽碎斑。高分辨率....

基于高分辨率影像的北疆農(nóng)作物分類研究4佳屬性尺度分割參數(shù)為8。在尺度科學(xué)上，根據(jù)對(duì)象的固有特征評(píng)估分割尺度參數(shù)，對(duì)于面向地理對(duì)象影像分析具有重要的意義。事實(shí)上，對(duì)于影像場景中的不同地物目標(biāo)對(duì)象，絕對(duì)的最優(yōu)尺度是沒有意義的。科學(xué)的做法是基于地物對(duì)象計(jì)算理論的最優(yōu)分割尺度，最大程度地....

onvolutionalnetworks,FCN）模型，將反卷積層替換了全連接（FC）層，使得FCN模型保持了圖像的二維結(jié)構(gòu)。在遙感領(lǐng)域中，一些研究采用基于FCN的方法來生成密集分類圖。Sherrah等[46]分析了CNN中的下采樣和上采樣機(jī)制，采用FCN架構(gòu)進(jìn)行航空?qǐng)D像語義標(biāo)記....

?У謀咴迪附諦畔ⅲ?褂枚喑叨?分割之后的對(duì)象為單元的方式能夠很好地保留了對(duì)象特征和邊緣特性。使用空洞卷積代替普通卷積，增加了預(yù)測(cè)標(biāo)簽類的密度；同時(shí)，跳層網(wǎng)絡(luò)結(jié)構(gòu)以合并來自網(wǎng)絡(luò)中不同級(jí)別的特征響應(yīng)，從而將這些響應(yīng)合并到共享輸出層中；最后使用全連接的條件隨機(jī)場（CRFs）進(jìn)行后處理以....

本文編號(hào)：4010049