基于语义特征和统计特征的冬小麦提取方法研究

目录

声明

1引言

1.1研究背景及意义

1.2国内外研究现状

1.2.1传统的特征提取方法

1.2.2基于浅层机器学习的特征提取方法

1.2.3基于卷积神经网络的特征提取方法

1.2.4深度学习在农作物空间分布提取中的应用

1.3研究内容与技术路线

1.3.1研究内容

1.3.2技术路线

1.4论文组织结构

1.5本章小结

2数据处理

2.1实验区介绍

2.2高分二号介绍

2.3遥感数据预处理

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

2.4数据集的制作

2.5本章小结

3 基于改进RefineNet模型的初提取方法

3.1卷积神经网络的基本原理

3.1.1卷积层

3.1.2池化层

3.1.3激活层

3.2 RefineNet模型基本结构

3.2.1 RefineNet基础介绍

3.2.2 RefineNet特征提取器

3.2.3 RefineNet分类器

3.3改进的RefineNet模型

3.3.1传统RefineNet模型存在的问题

3.3.2特征融合方法的改进

3.3.3分类器的改进

3.4改进后RefineNet模型的提取过程

3.5初提取结果分析

3.5.1置信度的提出

3.5.2置信度阈值的确定

3.6本章小结

4 基于DBN的精提取方法

4.1精提取思路

4.2特征组织

4.2.1语义特征

4.2.2纹理特征

4.2.3纹理统计量特征

4.2.4欧式距离特征

4.2.5特征向量的组织形式

4.3基于DBN的分类方法

4.4本章小结

5 对比实验及结果分析

5.1分类模型的实现

5.1.1模型的实现环境

5.1.2模型的训练及测试过程

5.2实验设计与结果对比

5.3结果分析与讨论

5.4本章小结

6 总结与展望

6.1总结

6.2不足

6.3展望

参考文献

致谢

攻读硕士期间发表论文与研究成果