基于深度学习和雷达遥感数据的水稻种植面积提取研究

目录

声明

第一章 绪 论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 遥感监测水稻种植面积的研究现状

1.2.2 深度学习分类算法在植被面积提取的研究现状

1.3 研究内容

1.4 研究方案与技术路线

1.5 论文结构

第二章 深度卷积神经网络的理论及应用研究

2.1.1 人工神经元

2.1.2 前馈神经网络

2.1.3 反向传播算法

2.2 卷积神经网络

2.2.1 卷积神经网络的特性

2.2.2 网络结构及特征提取过程

2.2.3 网络正则化约束

2.3 基于卷积神经网络的图像分割

2.4 基于 SAR影像特点的模型迁移学习

2.5 本章小结

第三章 基于雷达影像的水稻标签数据集创建

3.1 研究区域概述

3.2 RADARSAT-2数据

3.3.1 实验目的

3.3.2 实验方案

3.4 雷达影像的参数提取与分析

3.4.1 RADARSAT-2后向散射系数提取

3.4.2 Freeman-Durden 目标极化分解参数提取

3.4.3 各类地物的 SAR参数时序特性分析

3.5 基于 0IF 的参数组合与排序

3.6 标签数据集制作

3.6.1 图像融合与区域裁剪

3.6.2 水稻标签制作

3.6.3 数据集的创建与扩展

3.7 本章小结

第四章 基于深度学习语义分割模型的水稻种植面积提取

4.1.1 硬件与软件

4.1.2 主要功能实现

4.2 网络模型及其结构

4.3 模型精度评价指标

4.4 网络训练过程

4.4.1 损失函数的选取

4.4.2 优化器算法的设置

4.4.3 不同模型的超参数优化

4.5.1 水稻面积自动化提取结果

4.5.2 模型精度分析

4.6 本章小结

第五章 水稻面积提取的数据集性能及最佳参数组合探究

5.1 不同 SAR水稻数据集的分类性能研究

5.1.1 基于不同 SAR数据集的模型训练及提取结果

5.1.2 不同 SAR数据集的分类性能评估与分析

5.2 水稻面积提取的模型特征图可视化

5.3 基于模型特征图的水稻面积提取参数重要性探究

5.4 本章小结

第六章 总结与展望

6.1 主要结论

6.2 研究展望

致 谢

参考文献

攻读硕士期间取得的成果