声明
1.绪论
1.1 研究背景与意义
1.1.1 遥感图像及其性质
1.1.2 图像语义分割与高光谱遥感图像水体识别
1.2 国内外研究现状
1.2.1 语义分割方法
1.2.2 高光谱遥感影像语义分割与水体识别
1.3 研究内容和创新点
1.4 研究思路与框架
1.5 本文章节安排
2.理论基础
2.1 深度学习理论概述
2.2 神经网络算法简介
2.3 卷积神经网络简介
2.4 本章小结
3.研究设计
3.1 数据集来源与预处理
3.1.1 哨兵二号卫星遥感影像数据集
3.1.2 哨兵二号遥感数据预处理
3.1.3 样本数据增强
3.2 以 Unet为基本框架改进的 3D卷积高光谱水体识别模型
3.2.1 基于 3D卷积的哨兵二号遥感影像水体识别网络架构
3.2.2 3D卷积原理
3.2.3 3D池化原理
3.2.4 通道注意力
3.2.5 标准化方式选择
3.2.6 激活函数及权重优化方法选择
3.2.7 D2S 改进上采样
3.2.8 D2S_M3DUnet模型结构
3.2.9 反向传播训练
3.3 本章小结
4.实验与分析
4.1 水体识别实证实验设计
4.1.1 实验环境
4.1.2 训练集、验证集和测试集划分
4.1.3 训练数据增强
4.1.4 模型训练流程
4.2 水体识别实验结果分析与讨论
4.2.1 模型训练效果
4.2.2 测试集评估效果
4.2.3实验结果讨论
4.3 本章小结
5.总结与展望
5.1 本文主要贡献
5.2 未来工作展望
参考文献
致谢
西南财经大学;