面向光學(xué)遙感圖像目標(biāo)識別的卷積神經(jīng)網(wǎng)絡(luò)研究.pdf

1、隨著遙感技術(shù)的發(fā)展，每天獲取的遙感數(shù)據(jù)與日俱增，尤其是進入21世紀(jì)后，遙感數(shù)據(jù)呈爆炸性增長。與數(shù)據(jù)相伴的是，遙感圖像增強技術(shù)和遙感目標(biāo)識別技術(shù)也得到快速的發(fā)展。深度學(xué)習(xí)是當(dāng)前機器學(xué)習(xí)最熱門領(lǐng)域，其中卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)模型之一，在目標(biāo)識別、目標(biāo)檢測等領(lǐng)域具有非常廣闊的前景。
　　低照度光學(xué)遙感圖像的可視效果差，圖像特征的區(qū)分度較低，無法滿足識別的要求。低照度光學(xué)遙感圖像增強技術(shù)是針對低質(zhì)量的遙感圖像進行增強的技術(shù)，提高遙感圖像

2、的對比度和可視性。傳統(tǒng)的增強技術(shù)，增強效果較差或者計算復(fù)雜度低，本文針對低照度光學(xué)遙感圖像的特點，提出一種快速有效的增強算法，該算法將 Retinex分解出的亮度分量進行自適應(yīng)分段對比增強，有效增強圖像特征的區(qū)分度，算法的計算復(fù)雜度為線性的且增強效果突出。
　　遙感圖像目標(biāo)識別是遙感領(lǐng)域中比較復(fù)雜的問題。遙感圖像內(nèi)容豐富，手工提取的淺層特征，無法準(zhǔn)確有效的表達圖像中的內(nèi)容，使用這些淺層特征訓(xùn)練的分類器準(zhǔn)確率較低。深度卷積神經(jīng)網(wǎng)絡(luò)是

3、一種分層的人工神經(jīng)網(wǎng)絡(luò)模型，每一層都是對圖像的抽象表達，使用卷積神經(jīng)網(wǎng)絡(luò)提取的高層次的特征是對圖像的高級抽象。本文將卷積神經(jīng)網(wǎng)絡(luò)引入到光學(xué)遙感圖像目標(biāo)識別領(lǐng)域中，使用特征遷移方法訓(xùn)練卷積網(wǎng)絡(luò)，在 UCMerced-Landuse數(shù)據(jù)集上進行測試實驗，識別的準(zhǔn)確率由94％提高到97.6%，達到目前的最好結(jié)果。
　　遙感圖像具有多尺度特性，不同尺度空間下具有不同的特征，本文研究了不同尺度下卷積網(wǎng)絡(luò)的識別性能，分析卷積神經(jīng)網(wǎng)絡(luò)對圖像尺度