- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
卷积神经网络在卫星遥感海冰图像分类中的应用探究
−以渤海海冰为例
摘要:本文以TensorFlow为框架搭建卷积神经网络,基于迁移学习的思想,以经典的手写数字识别作
为引入,对不同代价函数和激活函数组合对卷积神经网络模型分类结果影响进行了评价分析。以HJ-
1A/B渤海海冰图像为实验数据源,分析了不同函数组合对遥感海冰图像分类的影响,优选出交叉熵
代价函数与ReLU激活函数为最佳的组合,证明了卷积神经网络在遥感海冰分类中的应用可行性。
对渤海海冰图像分类结果进行验证,其中带标签样本验证精度为98.4%。使用该模型对无标签的测
试样本进行识别,讨论了样本的窗口尺寸对海冰分类结果的影响,发现在400×400小范围分类实验中
最佳窗口尺寸为2×2;最后对整个渤海海域进行识别验证,效果较好。
关键词:卷积神经网络;海冰分类;代价函数;激活函数;TensorBoard
中图分类号:P731.15;P715.7文献标志码:A文章编号:0253−4193(2020)09−0100−10
[6]
征进行海冰图像解译研究;张明等采用灰度共生矩
1引言
阵提取特征值,优选特征组合,结合支持向量机开展
[7]
目前用于海冰分类识别和监测的研究,无论是基海冰类型的分类研究;任莎莎和郎文辉通过高斯滤
于光学海冰图像还是合成孔径雷达(SAR)海冰图像,波后提取海冰图像灰度值,提出K-GMM算法进行海
[8]
多是通过传统的监督和非监督算法,应用最多的如灰冰分类;郑敏薇等利用灰度共生矩阵计算并获取图
度共生矩阵(GLCM)和支持向量机(SVM)。Wang等[1]像纹理,结合SVM算法达到冰水分离的目的;逯跃锋
[9]
根据GLCM和小波纹理特征将特征空间域和频率域等运用灰度共生矩阵提取纹理特征中能量、对比
融合对海冰图像进行分类研究;Ressel和Singha[2]首度、相关性和同质性的特征值,结合最小距离分类算
[10]
先进行特征提取,再输入到神经网络分类器中,并通法进行海冰分类;朱立先等通过灰度共生矩阵获得
过互信息分析了相关性和冗余度,进行海冰分类;影像的纹理特征,利用LibSVM分类方法对一年冰和
[3]多年冰进行训练和分类。以上的研究工作虽然都在
Liu等基于SVM算法,将后向散射系数、GLCM和
海冰密集度三者结合对海冰图像进行分类;Zakhvatk-原有的工作基础上做了改进并达到了一定的分类效
[4]果,但都需要先对遥感海冰图像进行
文档评论(0)