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
浙江大学;