导读:本文包含了影像识别论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,目标识别与定位,遥感影像,目标检测
影像识别论文文献综述
隋雪莲,张涛,曲乔新[1]（2019）在《深度学习在遥感影像目标识别与定位中的应用研究》一文中研究指出长期以来,遥感影像的目标识别与定位主要依靠目视判读和人工手段,误判和漏判情况严重,且检测精度较低。文章介绍了基于深度学习的目标检测算法,探讨了将深度学习应用于遥感影像目标识别与定位需要的关键技术,并对深度学习在目标识别与定位中的应用进行了前景展望。(本文来源于《科技创新与应用》期刊2019年34期）
张同同,杨红磊,李东明,李永杰,刘俊男[2]（2019）在《SAR影像中迭掩与阴影区域的识别——以湖北巴东为例》一文中研究指出SAR影像中迭掩和阴影区域的识别是滑坡监测中的首要工作,本文针对这一工作利用雷达卫星成像时的几何模型与图像处理中形态学方法综合识别迭掩与阴影区域,以ALOS-2数据为例,对比该地区雷达强度图像,验证了本文试验方法的可靠性。(本文来源于《测绘通报》期刊2019年11期）
T.Y.Jia,J.F.Xiong,X.Y.Li,W.Yu,Z.Y.Xu[3]（2019）在《基于无创性成像的影像组学特征和随机森林模型识别肺腺癌中的EGFR突变》一文中研究指出摘要目的表皮生长因子受体(EGFR)的酪氨酸激酶抑制剂(TKI)敏感突变在肺腺癌的治疗中必不可少。手术和穿刺活检对检测EGFR存在一定的风险性,为解决该问题引入(本文来源于《国际医学放射学杂志》期刊2019年06期）
詹森,张景发,龚丽霞,李强,王建飞[4]（2019）在《基于纹理特征的高分辨率合成孔径雷达影像单体建筑物震害信息识别》一文中研究指出获取震后建筑物震害信息有利于开展人员救援和灾后重建工作。由于高分辨率合成孔径雷达(SAR)数据少有震前数据存档,利用震后单时相高分辨率SAR数据评估建筑物震害成为研究热点,但利用高分辨率SAR数据对单体建筑物的研究却很少。以叁景北川老县城震后0. 24 m Terra SAR-X聚束模式(ST)数据为数据源,经多视处理后提取建筑物纹理特征,对比分析不同视数大小和纹理计算窗口大小对建筑物震害识别影响,确定最佳纹理计算窗口大小和视数大小。结合震前光学数据,获得SAR单体建筑物轮廓图,随机选取建筑物轮廓样本作为训练样本,引入支持向量机(SVM)和随机森林(RF)分类器识别建筑物震害信息。结果表明,基于纹理特征的SVM、RF方法能有效地识别高分辨SAR影像单体建筑物震害信息,SVM识别精度均在80%以上,RF识别精度均在83%以上。可见基于高分辨率SAR数据的纹理特征识别建筑物震害方法稳定有效,可为灾后应急、灾害评估和灾后重建工作提供可靠信息支撑。(本文来源于《科学技术与工程》期刊2019年31期）
[5]（2019）在《商汤携日企开发新型船舶影像识别系统》一文中研究指出10月10日,商汤科技方面宣布,已与日本海运公司商船叁井株式会社(MOL)达成合作,共同开发新型船舶影像识别和记录系统,并将该系统应用于商船叁井客运有限公司的"NipponMaru"号邮轮上进行验证试验。该系统能够精准识别周边船舶,包括可在夜间等能见度不良的环境下用于监测船舶自动识别系统(AIS)难以识别出的小型船只,帮助船员更好地了解航路环境状态,(本文来源于《中国安防》期刊2019年11期）
徐放,罗成,杨静[6]（2019）在《基于高清遥感影像地类识别数据的建设用地紧凑度研究——以武汉市为例》一文中研究指出通过遥感影像数据识别地类信息的技术在未来国土空间规划编制和管理过程中具有广泛应用前景。本文在现有卷积神经网络应用的基础上,从地块边缘识别、运算效率提升、网络结构优化、语义分割细化等角度进行算法优化,提升了影像识别效率和准确性,并将应用优化后的算法,对武汉市建设用地紧凑度进行了量化分析。(本文来源于《活力城乡 美好人居——2019中国城市规划年会论文集（10城市影像）》期刊2019-10-19）
姚焕玫,卢燕南,龚祝清[7]（2019）在《基于PlanetScope影像的广西钦州市黑臭水体识别方法研究》一文中研究指出城市黑臭水体实质上是由环境保护和城市建设两者发展不平衡产生的,也是我国当下生态环境保护工作的重点之一。针对城市黑臭水体监测评价这一热点难点展开研究,以钦州市主城区为研究区域,以高频次重访的高空间分辨PlanetScope遥感影像为数据源,结合两期的实地采样数据,分析黑臭水体表观光学特性,利用黑臭水体与一般水体光谱曲线差异特征,提出近红外(NIR)单波段阈值法、HI指数法、EHI指数法和NDBWI指数法以及基于色度法的饱和度识别算法。城市黑臭水体与一般水体在蓝、绿和红波段(455～670 nm)的相同点是反射率偏低,不同点在于一般水体在455～670 nm处的光谱曲线斜率高于黑臭水体,在红波段处反射率达到极大值,在红波段和近红外波段开始下降,而黑臭水体此波段范围内反射率开始大幅升高。识别结果表明,NIR单波段阈值法识别准确率较低,存在较大偏差;HI指数识别准确率为57. 14%; EHI指数和饱和度法对黑臭水体的识别准确率均为78. 57%; NDBWI指数的识别准确率最高,达90%以上。(本文来源于《环境工程》期刊2019年10期）
张凌,谭璇,宋冬梅,王斌,李睿琳[8]（2019）在《基于马尔科夫随机场的单时相震害影像受损建筑物识别方法》一文中研究指出建筑物是地震中的主要承灾体,其受损情况可作为评估地震破坏等级的重要参考依据。因此,快速准确地对震后影像中的受损建筑物进行识别显得尤为重要,对震后救援和应急响应具有指导意义。现有的震害遥感信息提取方法的精度低、速度慢,无法满足快速应急响应的迫切要求。文中提出一种基于马尔科夫随机场(Markov Random Field,MRF)模型的建筑物受损程度检测方法,首先利用马尔科夫随机场对影像进行分割,再根据影像中不同程度受损建筑物所呈现的特征,利用支持向量机在分割后的影像中提取受损建筑物。实验表明,该方法性能良好,平均总体精度达93. 02%。与传统方法相比,该方法操作简便,且提取精度和运行时间均有显着优势,能够精准、快速地识别震害单时相影像中的受损建筑物。(本文来源于《地震地质》期刊2019年05期）
董志鹏,王密,李德仁,王艳丽,张致齐[9]（2019）在《遥感影像目标的尺度特征卷积神经网络识别法》一文中研究指出高分辨率遥感影像的目标检测与识别,是高分对地观测系统中影像信息自动提取及分析理解的重要内容。针对传统影像目标检测与识别算法中人工设计特征稳健性与普适性差的问题,本文提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别方法。首先通过统计遥感影像目标的尺度范围,获得卷积神经网络训练与测试过程中目标感兴趣区域合适的尺度大小。然后根据目标感兴趣区域合适的尺度,提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别架构。通过WHU-RSone数据集对本文卷积神经网络架构与Faster-RCNN架构对比测试验证。试验结果表明,本文架构ZF模型和本文架构VGG-16模型的mean average precision(mAP)分别比Faster-RCNN ZF模型和Faster-RCNN VGG-16模型提高8.17%和8.31%,本文卷积神经网络架构可获得良好的影像目标检测与识别效果。(本文来源于《测绘学报》期刊2019年10期）
王冰,周焰,张怀念,王宁[10]（2019）在《基于改进R-FCN框架的遥感影像飞机目标识别方法》一文中研究指出遥感影像飞机目标识别是实现地面特定目标的精准打击、掌握机场军事价值的重要途径.针对飞机识别数据集未充分参照不同条件下飞机几何形态的问题,构建了飞机类型识别数据集,同时为进一步提高识别精度,基于区域全卷积网络(R-FCN)识别框架,提出飞机目标全卷积神经网络(AFFCN)识别方法.通过人工增强方法,扩增包含四种类型飞机影像的数量,构建了每种类型飞机识别数据集;基于深度残差网络能有效区分不同类型目标的性质,提出了飞机目标深度残差网络,并将此网络应用于R-FCN识别框架中,建立了AFFCN识别方法.仿真结果表明,该方法结合本文数据集可以准确地识别遥感影像中的飞机目标.(本文来源于《空军预警学院学报》期刊2019年05期）
影像识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
SAR影像中迭掩和阴影区域的识别是滑坡监测中的首要工作,本文针对这一工作利用雷达卫星成像时的几何模型与图像处理中形态学方法综合识别迭掩与阴影区域,以ALOS-2数据为例,对比该地区雷达强度图像,验证了本文试验方法的可靠性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
影像识别论文参考文献
[1].隋雪莲,张涛,曲乔新.深度学习在遥感影像目标识别与定位中的应用研究[J].科技创新与应用.2019
[2].张同同,杨红磊,李东明,李永杰,刘俊男.SAR影像中迭掩与阴影区域的识别——以湖北巴东为例[J].测绘通报.2019
[3].T.Y.Jia,J.F.Xiong,X.Y.Li,W.Yu,Z.Y.Xu.基于无创性成像的影像组学特征和随机森林模型识别肺腺癌中的EGFR突变[J].国际医学放射学杂志.2019
[4].詹森,张景发,龚丽霞,李强,王建飞.基于纹理特征的高分辨率合成孔径雷达影像单体建筑物震害信息识别[J].科学技术与工程.2019
[5]..商汤携日企开发新型船舶影像识别系统[J].中国安防.2019
[6].徐放,罗成,杨静.基于高清遥感影像地类识别数据的建设用地紧凑度研究——以武汉市为例[C].活力城乡美好人居——2019中国城市规划年会论文集（10城市影像）.2019
[7].姚焕玫,卢燕南,龚祝清.基于PlanetScope影像的广西钦州市黑臭水体识别方法研究[J].环境工程.2019
[8].张凌,谭璇,宋冬梅,王斌,李睿琳.基于马尔科夫随机场的单时相震害影像受损建筑物识别方法[J].地震地质.2019
[9].董志鹏,王密,李德仁,王艳丽,张致齐.遥感影像目标的尺度特征卷积神经网络识别法[J].测绘学报.2019
[10].王冰,周焰,张怀念,王宁.基于改进R-FCN框架的遥感影像飞机目标识别方法[J].空军预警学院学报.2019