- 1、本文档共58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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
摘要
基于深度学习的农业遥感语义分割算法的研究
近几年,随着遥感技术和深度学习技术的飞速发展,基于深度学习技术对农
作物在卫星遥感影像上的分类技术,在农业保险以及土地勘测上的需求日渐增加。
这些技术能够及时、有效地划分出农作物种植区域以及土地使用类型,这些在科
学实践意义上十分重要。在农业生产上,本文时常需要及时且准确地提供农作物
种植覆盖面积、农作物种类分布等数据,遥感数据便可以很快地获得这些信息。
在遥感技术和计算机科学的发展迅速且不断追求更高准确度的今天,最新的农作
物分类研究已从依靠单一静态转变为结合多种光谱和时间序列信息。本文提出了
一种在深度学习中将多光谱数据划分为单个时间阶段,然后在每个神经网络模型
上组合多时间结果信息的方法。即使在某些时间阶段缺少遥感多时间序列数据,
但这可以保持原始信息的准确性。在实际的应用中,可以通过叠加新的时间序列
遥感影像数据以进一步获得更准确的结果,所以本文为每个单独的时间序列数据
集训练了几种语义分割模型。在这些单时相模型上,本文对水稻进行分类的准确
度为85.9%-92.8%,对玉米进行分类的准确度为77%-93%,对森林进行分类
的准确度为77%-87.6%。随后,使用本文的方法在2017年5月至2017年10
月间通过多时相验证数据集对所有目录进行分类的总体准确性达到92.6%。如
此多时相结合的方法可用于农业保险和农作物的农作物产量预估的连月及时高
效地迭代,每一次都会更加准确,这些还能进一步应用到大片农业种植地区的增
长变化监测,为我国农业遥感添砖加瓦。
关键词:深度学习,多光谱遥感影像,语义分割,模型融合,多时相遥感
Abstract
SemanticSegmentationAlgorithmofAgriculturalRemote
SensingBasedonDeepLearning
Currently,withtherapiddevelopmentofremotesensing,thetimelyandaccurate
estimationofcropclassificationbasedonremotesensingisofgreatsignificancefor
scientificandpracticalpurposes.Cropyieldestimationneedstobeprovidedinatimely
andaccuratemanner.Itisakeyissuetousemulti-temporalremotesensingdata
effectivelyandflexibly.Withthedevelopmentofremotesensingandcomputerscience,
state-of-the-artresearchoncropclassificationhasshiftedfromrelyingonasinglestatic
statetoacombinationofmultiplespectralandtime-seriesinformation.Weproposea
methodtodividemultispectraldataintoasingletimephaseindeeplearningandthen
combinetheinformationofthemulti-temporalresultsoneachneuralnetworkmodel.
Thiscanmaintaintheaccuracyoftheoriginalinformationalthoughtheremotesensing
multi-timeseriesdataismissinginsometimephases.However,inactualpractice,more
accurateresultscanbefurtherobtainedwiththes
文档评论(0)