阅读量：

286

作者：

曹留霞

展开

摘要：

遥感影像所包含的信息丰富,如何利用遥感影像快速,准确地提取地类信息,是遥感技术应用的关键问题之一.绿地信息是城市规划,生态环境监测和治理所需的重要信息.利用遥感影像提取绿地信息时,传统算法的提取精度往往不能满足实际需要,且容易出现错分和漏分现象.随着遥感技术和计算机技术的快速发展,人工智能在遥感影像信息提取中的应用越来越广.如何利用人工智能技术快速,准确地从遥感影像中提取绿地信息,对于城市规划和生态环境监测具有重要的意义.本文基于深度学习算法,结合卷积神经网络的语义分割方法,开展了利用遥感影像进行绿地信息提取的研究.论文的主要研究内容及结论如下: (1)学习和总结了深度学习算法,对卷积神经网络中常用的语义分割算法进行了研究,对FCN,VGG,SegNet和U-Net模型进行探讨,对比分析这些模型的优缺点,为后续研究做准备. (2)论文利用VGG网络的结构,结合U-Net模型,构建了基于VGG结构的U-Net模型的深度学习算法.论文在分析常用的FCN,VGG,SegNet和U-Net模型优缺点的基础上,结合U-Net模型提取精度高且参数计算量低而VGG16模型有利于特征提取但是参数计算量较大的特点,对深度学习的语义分割算法进行改进,构建了基于VGG结构的U-Net模型的深度学习算法.论文将本文构建的模型和常用的FCN,SegNet,U-Net模型开展实验对比分析研究,实验结果表明:基于VGG结构的U-Net模型的绿地信息提取精度优于其它几个模型. (3)在对常用激活函数分析研究的基础上,结合TReLU和ReLU激活函数的优点,构建了针对VGG结构的U-Net模型的组合激活函数.该组合激活函数主要是通过交替使用TReLU和ReLU两个函数来使模型的非线性增强,并通过对参数调整来对负半轴非饱和区间进行控制,从而得到需要的激活值.实验结果表明,该组合激活函数优于其它的常用激活函数,该组合激活函数具有软饱和性及缓解梯度消失的特点,且对噪声也具有更好的鲁棒性. (4)论文采用TReLU和ReLU组合激活函数,结合基于VGG结构的U-Net模型的深度学习算法,用于绿地信息提取研究,构建了基于VGG结构的U-Net模型的绿地信息提取方法.论文对本文构建的绿地信息提取方法和传统的绿地信息提取方法开展了实例对比分析研究,实验结果表明:本文构建的基于VGG结构的U-Net模型的绿地信息提取方法的提取精度更高.

展开

关键词：

学习算法 绿地 信息提取

学位级别：

硕士

学位年度：

2019