面向遥感影像的快速分类及精度评价方法研究

《面向遥感影像的快速分类及精度评价方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海海洋大学硕士学位论文学校代码：10264研究生学号：M150551686上海海洋大学硕士学位论文题目：面向遥感影像的快速分类及精度评价方法研究ResearchonRapidClassificationand英文题目：AccuracyEvaluationMethodsforRemoteSensingImages专业：计算机技术研究方向：遥感影像精度评价姓名：徐首珏指导教师：苏诚二O一八年四月I上海海洋大学硕士学位论文上海海洋大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所

2、取得的成果。除文中已经明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日上海海洋大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权上海海洋大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密，在年解密后适用本版权书。

3、本学位论文属于不保密学位论文作者签名：指导教师签名：日期：年月日日期：年月II上海海洋大学硕士学位论文上海海洋大学硕士学位论文答辩委员会成员名单姓名工作单位职称备注盛广铭上海江南遥感所教授主席宋巍上海海洋大学教授委员王振华上海海洋大学副教授委员赵丹枫上海海洋大学讲师秘书III上海海洋大学硕士学位论文面向遥感影像的快速分类及精度评价方法研究摘要对地观测技术的快速发展为各领域提供了高精度、高时效和大面积覆盖的海量遥感数据，如何在海量遥感数据中快速提取有用信息，缓解“大数据，小知识”的现状，成为制约遥感数据应用的关键问题之一。近年来以“深度卷积神经网络”

4、为代表的深度学习方法在图像识别和分割等领域取得了巨大突破，亦被用于基于遥感影像的地物分类等方面。但遥感影像具有多波谱特性和空间位置特征，基于遥感影像的深度卷积神经网络训练存在计算效率低，空间信息缺失等问题。同时，针对遥感影像分类结果的精度评价，由于遥感影像的空间相关性致使传统的精度评价方法存在样本冗余度高和精度评价效率低等问题。因此，本文以遥感影像的快速分类和精度评价为目的，研究基于深度卷积神经网络的遥感影像快速分类方法和基于灰度共生矩阵的遥感影像分类结果快速评价方法。主要的研究内容包括：（1）提出了一种基于改进的深度卷积神经网络遥感影像分类模型本

5、文分类模型的改进主要体现在以下两方面：针对遥感影像的空间位置特征，通过对遥感影像进行“波段化”预处理，使遥感影像的空间位置信息转化为“经度波段”和“纬度波段”，并使其与其他波段一起构成输入数据，以提高深度卷积神经网络模型对遥感影像的空间位置特征识别度。针对遥感影像的多波谱特性，在深度卷积神经网络的卷积结构中设置瓶颈单元，实现对输入影像降维；通过分组卷积，降低深度卷积神经网络遥感影像分类模型训练时的卷积计算量；针对遥感影像的光谱连续性，构建通道洗牌结构，提升分组卷积阶段神经网络的特征提取能力。（2）提出了一种基于灰度共生矩阵的遥感影像分类结果精度评价

6、方法本文提出的精度评价方法主要解决以下两方面问题：如何确定抽取多少样本量用于遥感影像分类结果的精度评价；如何确定怎样布设待评价的样本单元，以降低样本之间的信息冗余度。针对遥感影像分类结果精度评价抽取多少样本量的问题，本文基于灰度共生矩阵量化了遥感影像空间相关性与像素间隔的数学关系，并I上海海洋大学硕士学位论文通过该量化关系计算出了不同空间相关性系数下样本量的大小；针对精度评价样本点的布设问题，本文结合遥感影像在不同方向上的空间相关性，优化了系统抽样的步长设计。最后基于遥感影像的海岛地物分类及精度评价为例，验证了本文提出的快速分类及精度评价方法。本文

7、将自主构建的1500幅海岛遥感影像数据集输入改进深度卷积神经网络进行训练，得到了用于遥感影像海岛的分类模型。改进后分类模型与原模型相比，模型训练时间降低至原来的1/18。并通过基于灰度共生矩阵的精度评价方法，用较少的样本量对多幅海岛分类结果进行了准确地精度验证。评价结果显示这些海岛的分类精度均在90%以上。实验表明：本文面向遥感影像提出的改进的深度卷积神经网络分类方法，可快速训练分类模型并实现遥感影像的快速分类；基于灰度共生矩阵的分类结果精度评价方法在保证分类精度的前提下，可有效的降低评价样本间的冗余性，提升评价效率。关键词：遥感影像分类，深度卷积

8、神经网络，灰度共生矩阵，精度评价II上海海洋大学硕士学位论文ResearchonRapidClassificationan