利用QA波段训练DCNN并检测Landsat影像云和云阴影的方法

目录

声明

致 谢

目 录

1 引言

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 波段测试法

1.2.2 多时相检测法

1.2.3 传统统计学方法

1.2.4 机器学习方法

1.2.5 深度学习方法

1.3 研究内容与创新点

1.4 论文框架结构

2 深度学习理论基础

2.1 深度学习概述

2.2 卷积神经网络

2.2.1卷积层

2.2.2池化层

2.2.3激活函数

2.2.4 网络学习

2.3 语义分割

2.3.1 基于卷积神经网络的语义分割

2.3.2 SegNet模型

2.4 本章小结

3 基于深度学习的 Landsat 影像云和云阴影检测

3.1 Landsat 影像云和云阴影检测问题

3.2 面向 Landsat 影像云和云阴影检测的语义分割问题

3.3 基于 SegNet 的 Landsat 影像云和云阴影检测

3.3.1 网络结构

3.3.2 网络参数配置与模型训练

3.4 基于 QA 波段的 SegNet 模型训练方法

3.4.1 检测流程

3.4.2 QA波段

3.4.3 网络训练迭代方案

3.5 模型检测和结果转换

3.6 本章小结

4 实验结果与分析

4.1 实验环境

4.1.1 Tensorflow框架

4.1.2 图像处理库

4.2 实验数据

4.2.1 数据源

4.2.2波段运算

4.2.3 影像切分

4.2.4 样本集构建

4.3 评估指标

4.4 对比分析

4.4.1 实验结果定性分析

4.4.2 实验结果定量分析

4.5 本章小结

5 总结与展望

5.1 工作总结

5.2 展望

参考文献