声明
1.引言
1.1选题背景及意义
1.2国内外研究现状
1.2.1传统遥感影像分割技术
1.2.2机器学习在图像分割中的应用
1.2.3卷积神经网络介绍
1.2.4冬小麦提取现状
1.3研究内容与论文结构
1.3.1研究内容
1.3.2论文组织结构
1.4小结
2. 实验区与数据集制作
2.1实验区概况
2.2高分二号遥感影像描述
2.3数据预处理
2.3.1辐射定标
2.3.2大气校正
2.3.3正射校正
2.3.4图像融合
2.3.5植被增强
2.4地面调查数据
2.5制作样本
2.6本章小结
3. 经典卷积神经网络提取冬小麦的实验与分析
3.1 SegNet模型
3.2 Deep Lab模型
3.3 RefineNet模型
3.4实验结果统计与分析
3.5 小结
4.高精度冬小麦遥感影像分割模型设计与实现
4.1 基本思路
4.2编码方法的设计
4.3分类方法的设计
4.4模型结构
4.4.1特征提取器
4.4.2编码器
4.4.3 分类器
4.5 模型的实现
4.5.1 实验环境
4.5.2 模型的训练
4.5.3模型功能测试
4.6 本章小结
5. 实验结果及对比分析
5.1对比实验设计
5.2分割结果对比
5.3精度评价
5.3.1图像分割评价指标
5.3.2精度分析
5.4实验结果分析
5.4.1 全卷积神经网络之间以及耦合前后对比分析
5.4.2 WWRSSM结构优势
5.5本章小结
6. 总结与展望
6.1总结
6.2存在的问题与展望
参考文献
致谢
攻读硕士期间发表论文与研究成果