【摘 要】
：
遥感已被广泛的应用于各个领域，遥感影像解译是其中关键的一环，而传统解译方法因其分割精度低，效率低且泛化能力差，已成为进一步运用遥感的制约因素。近来虽然提供像素级分类的深度学习方法为图像分割提供了大量的模型，而遥感图像含有与生活场景图像不同的内容与频谱信息，所以为生活场景构建的深度神经网络模型并不能很好的运用于遥感图像。为了解决传统方法的问题并改善上述现状，本研究利用空洞卷积和密集连接设计了一种带孔
论文部分内容阅读
遥感已被广泛的应用于各个领域，遥感影像解译是其中关键的一环，而传统解译方法因其分割精度低，效率低且泛化能力差，已成为进一步运用遥感的制约因素。近来虽然提供像素级分类的深度学习方法为图像分割提供了大量的模型，而遥感图像含有与生活场景图像不同的内容与频谱信息，所以为生活场景构建的深度神经网络模型并不能很好的运用于遥感图像。为了解决传统方法的问题并改善上述现状，本研究利用空洞卷积和密集连接设计了一种带孔DenseBlock，且结合DenseNet、U-Net、DenconvNet提出了一种改进U-Net的模型融合方法。基于此方法，本文提出了一个端到端的语义分割模型，且在Potsdam数据集上训练此模型并评估了这一方法。与U-Net相比，此模型在评价指标PA、mPA、mIoU上分别提高了约11.1％，14.0％，13.5％，其分割速度约为U-Net的1.18倍，而模型体积仅为U-Net的59.0％。此外，本研究还验证了全连接条件随机场进一步改善此模型分割结果的有效性与局限性。在与先进的语义分割模型的对比中，模型融合方法提高了系统的表现，此模型优越的性能已在当前处于领先水平。实验结果表明用带孔DenseBlock来提取初级特征并减少网络层数是一种适用于遥感图像分割并具有优越性的U-Net改进方法。这些表明利用模型融合是探索深度学习模型来解决特定场景下分类任务的出色方式。
由于无人机成本低，机动灵活，操作简便，已被广泛的运用于农业遥感。而农业无人机遥感图像分割的深度学习模型略显不足，这将阻碍农业网格化、信息化管理。近来基于“微调”的迁移学习逐渐兴起并有效的改善了这一问题。本研究结合知识迁移思想将提出的模型与经典的语义分割模型迁移用于遥感图像中玉米、薏仁米、烤烟的提取并得到了实用的分割结果，提出的模型表现出了有效性、良好的适应性与鲁棒性。实验结果表明深度迁移学习能够有效提高分割精度且能使收敛速度提高约59.0％。此外，实验还发现了短跳跃连接对深度迁移的负面影响。这意味着迁移学习在农业遥感图像分割上具有潜力和挑战。
本研究为高效精确解译遥感影像提供了新的人工神经网络模型，丰富了开发深度学习模型的思路，为农业遥感图像基于深度学习解决方案的语义分割提供了参考。
其他文献
电商平台和网络社交媒体的快速发展,让我们的生活更加丰富多彩,获取信息也更加方便,但是随之而来的是信息过载给我们上网所带来的巨大影响。而推荐系统则在一定程度上减轻了目前信息爆炸的问题,也可以有效的帮助人们更加迅速的寻觅到他们所需的信息。但是,数据稀疏和冷启动等问题会对推荐的质量造成较大的影响,如何克服这两个问题也成为了诸多学者研究的目标。已有研究表明利用信任信息可以在一定程度上解决数据稀疏和冷启动的
随着云计算、大数据及网络等技术的快速发展，社会进入了信息化时代，各种信息系统成为人们日常生活的基础设施，人们的工作、学习、生活无不严重依赖于网络，信息安全日益成为焦点问题。密码学是信息安全的核心与支撑性技术，密码技术的应用对社会信息化的健康发展具有不可替代的作用。 信息化时代，数据规模不断扩大，巨大用户数量、海量数据规模、高并发处理性能，都对密码运算的加解密速度、数字签名和验证速度等性能指标提出
估计图像中物体的三维位姿(位置和朝向)是计算机视觉领域的基本问题，在增强现实领域起着非常核心的作用。在增强现实环境中，系统需要实时跟踪现实世界中特定物体的位姿，才能保证渲染的虚拟物体与现实物体保持几何一致性。基于视觉的三维物体跟踪方法是实现连续跟踪物体位姿的关键技术，由于其具有非侵入式、准确和廉价的优点得到快速发展。随着智能移动设备的普及和其计算能力的提升，基于单目彩色相机的三维物体跟踪方法成为研
激活函数作用是引入非线性到神经网络中，使神经网络可以更好地学习复杂的非线性函数，这是神经网络解决非线性问题的核心。激活函数的选取对于整个神经网络的训练起到十分重要的作用，如何选取激活函数会影响网络训练的时间和准确率。在现实处理器中，选取适当的非线性激活函数可以提高训练准确性，但是非线性激活函数的计算往往会消耗很大的运算周期。软件实现造成的延时会影响整个网络的训练效果，硬件层次的实现降低延迟同时存在
近年来,复杂网络研究引起了广泛的关注。现实生活中的许多基础设施都可以建模为复杂网络,如供电网络、交通网络和互联网等。大部分复杂网络并非是随机网络,而是呈现出一种特殊的结构。无标度网络就是一种特殊形态的复杂网络,它表现为少数的重要节点拥有大量的连接,而新加入的节点也会以较大概率连接到这些重要节点上。无标度网络因其“重尾”特性而表现得十分脆弱,因此会不可避免地出现各种故障。网络鲁棒性就是用来评估网络对
随着基本通信网络的发展，越来越多的物联网设备需要与用户进行交互。另一方面，由于物联网中的设备计算性能，内存存储性能和网络带宽资源都有限，所以提出MQTT的基于发布/订阅的轻量级数据传输协议，同时近几年随着物联网的发展，MQTT协议也被越来越多的用到物联网系统中，因此使用MQTT的进行传送的数据的安全性也被越来越多的讨论。 本文中提出了两个关于MQTT协议的安全性的相关方案，第一个方案基于物联网设
近年来，随着社交媒体网站的大量涌现，分布在互联网上的多媒体数据内容呈现出爆炸式的增长。为了更全面地挖掘多媒体数据，帮助用户从海量且杂乱的数据中获取有价值的信息，大规模跨模态检索的需求与日俱增。与传统的单一模态的检索相比，跨模态检索可以大幅提升用户体验且更符合现实应用场景。但是互联网上的多媒体数据具有数据量大、数据结构复杂、数据维数高的特点，以及不同模态之间存在异构鸿沟和语义鸿沟问题，这对大规模跨模
随着互联网技术的飞速发展和移动设备的广泛普及，多媒体数据呈现爆发式增长的趋势。如何在大规模数据库中快速检索到查询数据的近邻变得愈发重要。哈希学习作为近似近邻检索的主要方法之一，因其在检索速度、存储开销等方面的良好性能而引起研究者的广泛关注。哈希学习大体可以分为无监督方法和监督方法两大类。相比于无监督方法，监督哈希学习方法通过引入类别标签、成对相似度关系和排序关系等监督信息，可以有效提升检索的精度，
生物特征识别是指利用人体自身生理特征(如人脸、指纹、虹膜和静脉等)或行为特征(如步态、声音和笔迹等)作为依据的身份识别技术。相比于密码、证卡等传统身份识别技术，生物特征识别技术具有简洁快速、不会遗忘和安全可靠等诸多优势，具有广阔的应用前景、巨大的社会和经济效益，已经引起了国内外学术界和工业界的广泛关注和高度重视。基于心电信号的身份识别(以下简称心电身份识别)是一种新兴的基于人体生理特征的生物特征识