共查询到14条相似文献，搜索用时 140 毫秒
1.
卷积神经网络在卫星遥感海冰图像分类中的应用探究 总被引：1，自引：1，他引：0
本文以TensorFlow为框架搭建卷积神经网络，基于迁移学习的思想，以经典的手写数字识别作为引入，对不同代价函数和激活函数组合对卷积神经网络模型分类结果影响进行了评价分析。以HJ-1A/B渤海海冰图像为实验数据源，分析了不同函数组合对遥感海冰图像分类的影响，优选出交叉熵代价函数与ReLU激活函数为最佳的组合，证明了卷积神经网络在遥感海冰分类中的应用可行性。对渤海海冰图像分类结果进行验证，其中带标签样本验证精度为98.4%。使用该模型对无标签的测试样本进行识别，讨论了样本的窗口尺寸对海冰分类结果的影响，发现在400×400小范围分类实验中最佳窗口尺寸为2×2；最后对整个渤海海域进行识别验证，效果较好。 相似文献
2.
基于深度置信网络(DBN)的赤潮高光谱遥感提取研究 总被引：1，自引：0，他引：1
赤潮是严重的海洋灾害,有效监测赤潮对于保护海洋生态环境具有重要意义。高光谱遥感具有光谱分辨率高、图谱合一等优势,适合于海洋赤潮监测。深度学习是机器学习领域的前沿,为高光谱遥感分类提供了新的思路。深度置信网络(Deep Belief Network,DBN)兼具监督分类与非监督分类的特点,通过构建DBN模型,将DBN应用于赤潮灾害遥感监测中,应用渤海机载高光谱遥感数据开展赤潮分类,以达到提取高光谱图像中赤潮水体范围的目的。通过设置对照实验,对比经典的SVM监督分类方法与ISODATA非监督分类方法,发现DBN模型在相同实验条件下具有更高的分类精度,赤潮遥感提取精度提高了3%～11%。 相似文献
3.
珊瑚礁底质分类对海洋资源开发和海洋生态环境保护起到至关重要的作用。目前,深度学习语义分割方法在遥感图像分类领域应用广泛,但在底质分类方面的研究较少。由于基于全监督深度学习的方法中逐像素标注标签的成本较高,不适用于大规模、高频次的底质分类工作,基于半监督的深度学习方法能够有效利用已标注标签为无标签数据产生伪标签,从而有效降低人工成本,然而现有半监督方法的性能易受伪标签噪声的干扰。针对以上问题,本文提出了一种基于软硬协作决策的半监督底质分类方法。首先,利用多模型联合决策生成高质量的伪标签;然后,提出了一种能够顾及伪标签像素置信度的损失函数来指导模型进行训练;最后,采用软硬协作的决策方式得到精确的底质分类结果。在美属维尔京群岛圣克罗伊岛北部的巴克岛礁和夏威夷群岛的中途岛东南约400 km处的珍珠与爱马仕环礁的浅层底栖生物栖息地地图数据集上评估了本文方法的精度,实验结果表明,本文提出的方法与全监督学习方法精度相当,比主流的语义分割方法精度平均高3.08%,能够有效服务于珊瑚礁底质调查工作。 相似文献
4.
海冰密集度是海冰的重要参数之一,在冰区导航、海上作业、海冰模式验证和气候模型改进等方面具有重要意义。卫星遥感具有覆盖范围广、重访周期短、成本相对低等优势,已成为获取海冰密集度的主要观测手段。本文从主被动微波遥感和光学遥感的角度,回顾了现阶段海冰密集度卫星遥感反演研究进展情况,包括海冰监测传感器、海冰密集度反演算法和海冰密集度产品等。结果表明,被动微波遥感是目前获取海冰密集度的主要方式,已发展出许多成熟的业务化算法;主动微波遥感数据已成为制作冰情图的主要数据源,海冰密集度反演算法由合成孔径雷达SAR（Synthetic Aperture Radar）图像分类向深度学习算法发展;光学遥感海冰密集度算法较为成熟,但受限于云层和夜晚限制,其反演结果多用于其他海冰密集度产品的验证。受传感器硬件限制,3种观测手段各有其长处与不足。为获得高精度、高时空分辨率的海冰密集度数据,开展多源数据融合研究是解决传感器性能瓶颈的有效手段。大数据时代,基于深度学习的海冰密集度卫星遥感反演技术快速发展,需要深度融入海冰密集度卫星遥感领域知识。海冰密集度卫星遥感反演应着力于海冰预报服务,致力于提高我国的海冰预报能力。 相似文献
5.
一种融合纹理特征与NDVI的随机森林海冰精细分类方法 总被引：1，自引：0，他引：1
海冰的精准分类对于掌握海冰生长发育状况,保障航海安全等具有重要意义。由于受数据源和分类方法等影响,使得海冰分类精度提高受限。本文面向高空间分辨率的光学遥感影像,提出了一种融合纹理特征和归一化差分植被指数（NDVI）的海冰精准分类方法,运用随机森林分类器构建海冰分类方法。以青岛胶州湾为实验区,高分二号（GF-2）为实验数据,进行了海冰类型提取,并与其他分类方法进行对比。结果显示:针对GF-2高分辨率光学遥感数据,融合纹理特征和NDVI的随机森林方法,相比于传统的随机森林、支持向量机、自动决策树和融合纹理特征的最大似然分类方法,总体分类精度分别提高13.70%、11.60%、19.22%、29.37%。Kappa系数分别提高0.16、0.13、0.22、0.44。相比于融合纹理特征和归一化水指数（NDWI）的随机森林方法,总体分类精度提高了9.67%,Kappa系数提高了0.09。这表明本文构建的海冰分类方法可有效提高海冰分类精度,为海冰的精确分类提供了一种有效的技术手段。 相似文献
6.
以2001~2005年MODIS数据为信息源,每年选取高潮位和低潮位两个时相的MODIS数据,根据滩涂对MODIS 250 m分辨率可见光和近红外探测波数的光谱反应特性,采用波段比值算法来监测福建省海岸带的滩涂面积,并对监测结果用罗源湾和福清湾30 m分辨率的Landsat-7/ETM+影像进行验证分析,结果表明,MODIS数据的观测时间与海洋高低潮位时刻比较接近,便于对滩涂资源的遥感监测.用MODIS数据计算的滩涂面积比用高分辨率的Landsat-7/ETM+数据计算的偏高.卫星遥感监测结果表明从1986至2001年福建省海岸带滩涂面积减少了107 km2,并且从2001至2005年滩涂面积也呈现逐年下降的趋势. 相似文献
7.
结合纹理特征的SVM海冰分类方法研究 总被引：5，自引：4，他引：1
海冰分类是遥感监测领域中的重要应用之一，海冰分类的准确性对于评估海冰冰情、保证航海安全和开辟北极航道具有重要的意义。针对海冰分类问题，本文选用Sentinel-1遥感数据，结合纹理特征分析，提出了一种改进的SAR海冰分类方法。该方法选用灰度共生矩阵提取特征值，通过实验得到适宜用于海冰分类的多特征组合，在此基础上利用支持向量机开展SAR海冰类型的分类研究。实验结果表明，该方法可以实现对海冰SAR图像中一年冰、多年冰和海水3种类型识别，与传统的海冰分类方法神经网络和最大似然法相比较，使用SVM分类方法，结合纹理特征开展海冰类型监测是可行的，同时也表明多特征组合有利于提高SAR图像的分类精度，从而验证了本方法的有效性，为海冰分类提供了一种新思路。 相似文献
8.
空间分辨率对水深遥感反演的影响分析 总被引：2，自引：0，他引：2
遥感水深反演中空间分辨率的影响是一个重要的科学问题。本文使用东岛的QuickBird和WorldView-2多光谱影像及实测水深点进行实验研究,实验使用了原始空间分辨率（2.4/2m）以及4种降空间分辨率（4m,8m,16m和32m）的影像,使用相同的水深控制点开展水深遥感反演,并对水深反演结果使用相同的检查点进行精度验证。实验结果表明,随着空间分辨率由2.4/2m降低至4m,8m和16m,水深遥感反演的精度呈现出逐渐提高的趋势,进一步降低空间分辨率则会导致水深反演精度下降。当影像空间分辨率为16m时,水深反演结果误差最小且与实测水深值相关性最高,此时两景影像的水深反演平均相对误差分别21.2%和13.1%,相对于最大值分别降低了14.7%和2.9%;平均绝对误差分别为2.0m和1.4m,相对于最大值分别降低了1.0m和0.5m。本文研究结果为水深遥感反演研究与应用中遥感数据的选择提供了参考。 相似文献
9.
基于海洋一号C（HY-1C）卫星海岸带成像仪（CZI）遥感影像,提出了一种基于最优特征集的支持向量机海冰分类方法。分别提取CZI影像的光谱特征和纹理特征,采用基于距离可分性的判据进行特征选择,得到最优特征集,以最优特征集作为支持向量机分类器输入,分别对3期辽东湾海域CZI影像开展海冰分类实验和结果分析。结果表明:本文方法得到的海冰分类结果精度优于仅利用光谱特征或纹理特征的海冰分类精度;基于本文方法的3期影像的海冰分类精度均较高,2020年12月19日、2021年1月10日与2021年1月16日的海冰分类总体精度分别为93.67%、91.75%、84.89%,均在80%以上;利用海冰分类结果图估算海冰面积,发现3期辽东湾海冰面积依次增大,最大约为11 998.98 km2。 相似文献
10.
联合光谱和纹理特征的滨海湿地高光谱深度学习分类—以黄河三角洲湿地为例 总被引：2，自引：0，他引：2
本文基于CHRIS高光谱遥感影像，发展了一种结合地物光谱特征和多纹理空间特征信息，采用双全链接的8层深度卷积神经网络分类算法对滨海湿地高光谱影像进行遥感地物分类，并在黄河口滨海湿地进行了应用。结果表明：1）基于测试样本数据，联合光谱特征和K-L变换的纹理特征信息，采用DCNN模型方法展现了高的分类精度，精度高达99%；2）利用光谱特征和全纹理特征的精度比仅使用光谱特征和光谱特征联合K-L变换后纹理特征的分类精度低。利用K-L变换后的光谱特征和纹理特征的DCNN分类精度达到99.38%，相比于使用全纹理特征信息的精度提高了4.15%；3）基于验证图像，发展的DCNN分类方法精度优于其他算法，DCNN方法总体分类精度为84.64%，Kappa系数为0.80；4）相比于浅层分类方法，本文发展的DCNN模型分类算法保证了所有地物类型的分类精度更加均衡，保持了主要地物类型的分类精度几乎不变，同时提高了滩涂和农田的精度。基于DCNN模型，潮滩和农田的分类精度分别达到79.26%和56.72%。比其它浅层分类方法提高了2.51%和10.6%。 相似文献
11.
12.
13.
14.
北极多年冰在近几十年有明显的减少趋势,与北极海冰的厚度、体积和夏季最小海冰范围的减少密切相关。合成孔径雷达(synthetic aperture radar, SAR)具有全天时、全天候成像能力,基于SAR卫星影像的海冰分类对监测北极多年冰具有重要意义。基于深度学习U-Net模型,以SAR图像的双极化信息为模型输入,构建了像素级的海水、一年冰和多年冰多分类模型。与已有SAR图像海冰分类方法(支持向量机、随机森林和卷积神经网络)进行对比,基于双极化SAR图像的U-Net海冰分类模型的准确率、平均重叠度和Kappa系数,分别达到了90.73%、0.831和0.849,优于其他对比模型,分别提升了4.08%～19.04%, 0.063～0.321和0.111～0.335。此外,针对SAR图像水平-垂直极化(horizontal-vertical polarization, HV)有明显的条状热噪声和水平-水平极化(horizontal-horizontal polarization, HH)受入射角效应而亮度不均匀的特点,设计敏感性实验,研究HV噪声、入射角和灰度共生矩阵(gray leve... 相似文献