版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、農(nóng)作物識別是農(nóng)情監(jiān)測的重要內(nèi)容,是調(diào)查監(jiān)測農(nóng)作物種植面積、長勢、產(chǎn)量、品質(zhì)、病蟲害等的基礎(chǔ)。衛(wèi)星遙感技術(shù)的快速發(fā)展為農(nóng)業(yè)遙感行業(yè)應用提供了大量高質(zhì)量的遙感數(shù)據(jù)源,蘊含豐富的地物信息,但遙感信息自動提取長期困擾研究學者。目前農(nóng)作物信息的精細提取仍依賴人工目視解譯,效率低下,受人員經(jīng)驗制約。雖然機器學習方法不斷改進,但受作物種植品種差異大、地塊破碎、同期作物混雜混種以及同物異譜等主客觀因素的制約,規(guī)則簡單、結(jié)構(gòu)單一的自動提取算法在復雜地物分
2、布情況下表現(xiàn)出極大的局限性。同時,各算法過分依賴手工設(shè)計的特征質(zhì)量和大量的標記樣本,地物分布復雜的高分數(shù)據(jù)源的地物提取精度較低,影響最終決策的準確性。因此,提高提取精度成為遙感技術(shù)在農(nóng)業(yè)領(lǐng)域應用中的關(guān)鍵。
集成學習能夠利用多個學習方法解決同一問題,綜合多種算法的優(yōu)點,顯著提高算法的整體泛化能力。本論文以集成學習為主線,研究高分遙感圖像玉米區(qū)的高精度提取算法,將支持向量機、神經(jīng)網(wǎng)絡、深度學習與集成學習融合,從不同基本算法、不同特
3、征集輸入、不同算法結(jié)構(gòu)等方面保證算法多樣性,構(gòu)建集成提取算法,以提高玉米區(qū)提取精度,提出的集成提取算法也能在其它類型農(nóng)作物的信息提取中發(fā)揮作用。論文主要從以下四個方面開展了研究工作:
(1)特征提取與特征集構(gòu)建研究:在對高分遙感圖像校正、融合等預處理和圖像特征提取的基礎(chǔ)上,以隨機森林為技術(shù)手段,評估特征的重要性程度;遍歷選擇不同特征并構(gòu)造組合,將其提取結(jié)果分別作為證據(jù)源,采用改進的權(quán)重系數(shù)和沖突概率自適應調(diào)整的D-S證據(jù)合成規(guī)
4、則處理沖突證據(jù),兩組高分遙感研究區(qū)圖像實驗合成結(jié)果分別達到0.84和0.87以上,較傳統(tǒng)合成方法提高了4%和6%;根據(jù)實驗結(jié)果選取最優(yōu)的特征組合,重組構(gòu)建了光譜特征集、紋理特征集以及聯(lián)合特征集,以其為輸入開展后續(xù)研究。
(2)同異質(zhì)集成提取算法研究:探究典型監(jiān)督算法—支持向量機和極限學習機網(wǎng)絡等淺層學習方法的特點,研究了多分類器集成與合成規(guī)則;以混合迭代為手段,提出新的混合核支持向量機同質(zhì)集成算法;進而研究不同學習方法的性能差
5、異,提出以極限學習機網(wǎng)絡和支持向量機為基本方法的異質(zhì)混合集成提取算法,提高復雜地物分布情況下的高分圖像信息提取算法的泛化能力。
(3)深度網(wǎng)絡集成提取算法研究:重點研究堆棧自編碼和深度卷積神經(jīng)網(wǎng)絡的基本原理,分別探究其結(jié)構(gòu)設(shè)置規(guī)則和參數(shù)設(shè)置優(yōu)化方式;基于無監(jiān)督特征學習構(gòu)建的深度網(wǎng)絡集成提取算法,針對一維像元數(shù)據(jù)和二維多特征圖像實現(xiàn)深層特征的學習及玉米區(qū)類別屬性的判別;同時針對二維卷積網(wǎng)絡對輸入數(shù)據(jù)的特殊要求,挖掘像元鄰域的上下
6、文信息,提出了基于像元擴展的二維輸入圖像制備方法,克服了復雜場景地物提取中等尺寸分塊方法的缺點,為擴展二維卷積網(wǎng)絡的農(nóng)業(yè)遙感應用提供先決條件。
(4)實驗驗證:以高分一號和高分二號的典型研究區(qū)圖像為數(shù)據(jù)源,針對不同空間分辨率(2m與0.8m)、不同時相(單時相與雙時相)、不同幅面(512×512、1024×1024與1500×1500等)、不同特征集(光譜、紋理與聯(lián)合特征集)以及不同的地物分布特點的玉米區(qū)圖像,通過多組實驗驗證
7、集成算法性能?;谥С窒蛄繖C和極限學習機的同異質(zhì)集成提取算法總體精度較傳統(tǒng)監(jiān)督算法和單一學習算法有了顯著提高,特別是聯(lián)合特征集輸入的結(jié)果基本達到了0.85,異質(zhì)集成優(yōu)于同質(zhì)集成;聯(lián)合特征集輸入的二維卷積深度網(wǎng)絡集成提取算法總體精度達到0.90以上。綜上,集成學習能夠有效提高高分圖像玉米區(qū)提取精度,深度網(wǎng)絡集成提取算法性能表現(xiàn)優(yōu)于以支持向量機和極限學習機為基本方法的同質(zhì)、異質(zhì)集成提取算法,圖像的高空間分辨率有助于提高集成算法的玉米區(qū)提取精
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向高精度遙感圖像的匹配算法的研究與開發(fā).pdf
- 基于機器學習的遙感圖像水體提取研究.pdf
- 用于圖像重建的圖像快速高精度匹配算法研究.pdf
- 基于集成學習的高光譜遙感圖像分類.pdf
- 基于集成學習的多光譜遙感圖像分類研究.pdf
- 工業(yè)CT高精度圖像測量算法研究.pdf
- 高速高精度解析式圖像重建算法研究.pdf
- 高分辨率遙感圖像道路提取算法的分析與優(yōu)化.pdf
- 基于極限學習機的高分辨率遙感圖像分類算法研究.pdf
- 基于集成學習技術(shù)的圖像分類算法研究.pdf
- 基于CCD圖像的高精度測量研究.pdf
- 高分辨率遙感圖像道路提取研究.pdf
- 工業(yè)CT切片圖像高精度輪廓提取技術(shù)研究.pdf
- 基于圖像的高精度人臉三維重建算法研究.pdf
- 基于邊緣方向的高精度快速圖像插值算法研究與應用.pdf
- 基于均值漂移算法的遙感圖像地物提取及分類.pdf
- 高精度特征配準的圖像序列穩(wěn)定算法研究.pdf
- 高精度算法
- 基于離散余弦變換的高精度圖像旋轉(zhuǎn)插值算法.pdf
- 基于核學習的圖像特征提取算法研究.pdf
評論
0/150
提交評論