登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 电子信息类 > 电子信息工程 > 正文

基于人工神经网络的遥感图像分类方法研究开题报告

 2020-02-18 17:06:02  

1. 研究目的与意义(文献综述)

遥感图像是地物电磁波谱特征的实时记录,遥感图像数据具有 以下一些特征:(1)多源性:获取的遥感图像数据具有多传感器、多平台的信息特征;(2)空间宏观性:遥感图像覆盖范围大、视野广,具有一定的概括性;(3)时间周期性:遥感图像数据具有多时相特点;(4)多光谱特性:光谱分辨率的提高是遥感发展以来的重要趋势,高光谱遥感已开始问世;(5)多空间分辨率特性:目前,遥感探测器的分辨率 由公里级、百米级发展到米级、分米级,一个多空间尺度的海量遥感数据已经形成;(6)海量数据:多波段、多分辨率的特性使得所获得的遥感数据往往是海量的其在分析处理过程中存在以下困难:(1)以目前的数据处理和分析能力远无法满足实用要求,海量数据不仅难以有效提取在串行处理速度也较慢;(2)由于光谱分辨率的提高波段的增多,各波段间的相关性往往很强,则数据的冗余现象更加明显,从而处理时的精度和可靠性往往会受到一定的影响;(3)由于遥感图像处理过程的非线性,使用线性方法进行逼近会带来许多麻烦。神经网络方法具有传统数值计算方法所没有的一些优点 ,其最大的优点在于其极强的非线性映射能力。它具有下列优势:(1)计算过程大量并行、高度分布这使其能高速处理大量数据和求解非常复杂的问题;(2)具有自学习、自适应和自组织能力,它能利用已知类别遥感图像样本集的先验知识,自动提取识别规则;(3)能实现各种非线性映射和求解各种十分复杂和高度非线性的分类和模式识别问题。

1943年,心理学家w.s.mcculloch和数理逻辑学家w.pitts建立了神经网络和数学模型,称为mp模型。他们通过mp模型提出了神经元的形式化数学描述和网络结构方法,证明了单个神经元能执行逻辑功能,从而开创了人工神经网络研究的时代。

1957年,计算机专家frank rosenblatt开始从事感知器的研究,它是一种多层的神经网络。后续他将此制成硬件,通常被认为是最早的神经网络模型。这项工作首次把人工神经网络的研究从理论探讨付诸工程实践。当时世界上许多实验室仿效制作感知机,分别应用于文字识别、声音识别、声纳信号识别以及学习记忆问题的研究。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

(1)研究的基本内容

①对遥感图像进行预处理,使其包含的地理信息可读性更强。

②研究人工神经网络算法。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

第1-3周:收集、整理选题相关的文献资料,完成、完善方案论证,撰写开题报告;

第4-5周:认真学习选题相关的知识、理论和算法实现等,熟悉软硬件环境;

第6-8周:建立软硬件仿真模型、完成程序编写、仿真实验等,并做好相关记录及分析;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

  1. 周敏,史振威,丁火平.遥感图像飞机目标分类的卷积神经网络方法[J].中国图象图形学报,2017, 22(5): 702-708.
  2. 王海军。

    深度卷积神经网络在遥感影像应用的分类研究[D].中国地质大学,2018.

  3. 高鸿斌,宋广生,王晓君,等.基于RGB值的BP神经网路遥感影像分类算法[J].电子技术与软件工程,2016,(11): 102-103.
  4. WANG X, SHEN S, NING C. Multi-class remote sensing objects recog-nition based on discriminative sparse representation [J]. Applied Optics, 2016, 55(6): 1381-1394.
  5. Rajeev Kumar Chauhan, Mashhood Hasan, Jai Prakash Pandey. Intelligent control model to enhance the performance of unified power quality conditioner[J]. Journal of Intelligent amp; Fuzzy Systems, 2018, 35(5).
  6. Ashish Patel, H.D. Mathur, Surekha Bhanot. An improved control method for unified power quality conditioner with unbalanced load[J]. International Journal of Electrical Power and Energy Systems, 2018, 100.
  7. 程彬炜,安博文,赵明.基于卷积神经网络的遥感图像汽车识别[J].现代计算机(专业版),2018(23).
  8. 晁安娜,刘坤.基于卷积神经网络的遥感图像飞机目标识别[J].微型机与应用,2017(22).
  9. 黄洁,姜志国,张浩鹏等.基于卷积神经网络的遥感图像舰船目标检测[J].北京航空航天大学学报,2017(09).
  10. 高常鑫,桑农.基于深度学习的高分辨率遥感影像目标检测[J]. 测绘通报,2014(S1).
  11. 赵丹新.遥感图像中飞机目标提取的深度学习方法研究[D].中国科学院大学,2018.
  12. 吐热尼古丽·阿木提,张晓帆. 自组织神经网络的土地覆盖图像识别分析应用[J]. 地球信息科学.,2007(03).
  13. 杜秉航.人工神经网络初探[J]. 科技传播,2018(02).
  14. 张雁.基于机器学习的遥感图像分类研究[D].北京林业大学,2014.
  15. 张帆.面向高分辨率遥感影像分析的深度学习方法研究[D].武汉大学,2017.
  16. 高震宇.基于深度卷积神经网络的图像分类方法研究及应用[D].中国科学大学,2018.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图