排序方式： 共有2条查询结果，搜索用时 62 毫秒
1
1.
基于深度卷积神经网络的高分辨率遥感影像场景分类 总被引：2，自引：0，他引：2
场景分类对于高分辨率遥感影像的理解和信息提取具有重要意义。传统方法利用低、中级或语义特征来对影像的场景进行判别，但是针对高分影像涵盖的细节多、类别复杂等特点，中低层特征无法对影像语义进行准确描述。本文提出了一种基于深度卷积神经网络DCNN场景分类模型。首先利用卷积层对影像的纹理、颜色等低阶特征进行提取，然后利用池化层对重要特征进行筛选，最后将提取到的特征进行组合，形成高阶语义特征，利用高阶语义特征对高分影像进行场景分类。为了解决模型的过拟合问题，使用了数据增广、正则化及Dropout提高模型的泛化能力。本文方法在UC Merced-21取得了91.33%的准确率，相比于传统方法，有效地提高了分类精度，同时证明了深度卷积神经网络在遥感影像分类领域优越性。 相似文献
2.
POS直接地理参考进行无控制、大比例尺测图可行性和能力一直被广泛关注。本文以863计划项目高精度轻小型航空遥感系统为平台,以其提供的高精度POS和宽角数码影像开展精度实验,提出了一种多层次组合精度验证方法,从POS输出与空三外方位的相关性、POS直接地理参考外方位与空三外方位比对精度、POS直接地理参考多片空间前方交会精度和直接立体测图精度等四个方面对POS无控制直接地理参考大比例尺测图的可行性和能力进行了验证,在JX-4数字摄影测量工作站下测得河南省平顶山市新华区的16幅1：500地形图,结合RTK实地测量检测验证测图精度。实验结果表明,高精度轻小型航空遥感系统POS直接地理参考可以满足无控制1：500大比例尺地形图测绘精度。 相似文献
1