本文主要研究内容
作者沈鹏（2019）在《基于图像的草地退化识别研究》一文中研究指出：近现代以来,随着人类社会的不断发展,人们对草地资源的肆意滥用以及气候变化的影响,草地退化成为日趋凸显的环境问题之一,已经严重影响到了人类自身的生活环境、畜牧业生产等,并且这种情况还在不断恶化。因此,保护草地生态势在必行。相比传统的人工实地监测,现代飞速发展的遥感技术使得科研人员可以获得更全面丰富的草地数据,结合最新的计算机科学技术可以建立更高效的草地退化自动监测系统。最开始的时候,草地退化的监测通过遥感技术得到植被序列数据,对植被的时间序列数据进行分析并计算相关的指标来反映和评价区域草地退化的程度。但是这种方法受外界因素干扰较大,例如说降水、温度的波动,这些因素都会影响对草地退化的准确判断。另一方面,缺乏统一明确的评价指标和退化划分标准,这些也都成为植被序列数据用来评价草地退化的障碍。因此,如果能够通过高分辨率的航拍图或卫星图,结合图像分割自动识别出草地的退化情况并能统计出区域、面积、程度等信息,对于保护草地生态是有重大的意义的。本文基于深度学习的相关方法对草体退化图像自动识别分割进行建模,具体的研究内容有以下几点:(1)对现有的退化草地航拍图样本进行整理分析,对样本数据集中存在的类别不均衡、样本数量过少等问题进行了数据增强方式的预处理,对数据集按照6:3:1的比例划分训练集、验证集、测试集,并在输入网络之前对整体数据进行归一化的操作。(2)研究基于全卷积神经网络对退化草地图像进行自动识别分割。全卷积神经网络是近年来广泛用于图像语义分割的深度学习网络模型,相比传统的图像处理方法以及卷积神经网络进行图像分割,全卷积神经网络有着输入输出结果端到端、任意输入大小、结果更精确等一系列优势。本文在对比常见的多种神经网络语义分割模型后提出了改进的模型方法,并从速度、准确率、是否过拟合等多个维度进行对比;另外,本文还探究了不同样本输入大小对结果的影响并选择了当前环境下最合适的样本输入尺寸。(3)本文还进一步对结果进行了分析和优化。首先使用神经网络可视化的方法对提出的网络模型进行可视化探究,通过最大化激活和兴趣凸显图两种方式一定程度上证明了神经网络的可靠性;并且针对实际测试中存在的黑边以及边缘细节不够平滑的问题找到原因并在实现的逻辑层面进行了改进。本文利用深度学习技术,通过训练草地退化样本数据集得到合适的语义分割神经网络模型,并用于草地退化图像的自动化检测。相比传统方法,更直接、可靠,有良好的应用前景。本文还进一步对语义分割模型进行改进,并对样本以及预测方式进行改进,从而在退化草地图像分割的任务上具有更好的适应性。
Abstract
jin xian dai yi lai ,sui zhao ren lei she hui de bu duan fa zhan ,ren men dui cao de zi yuan de si yi lan yong yi ji qi hou bian hua de ying xiang ,cao de tui hua cheng wei ri qu tu xian de huan jing wen ti zhi yi ,yi jing yan chong ying xiang dao le ren lei zi shen de sheng huo huan jing 、chu mu ye sheng chan deng ,bing ju zhe chong qing kuang hai zai bu duan e hua 。yin ci ,bao hu cao de sheng tai shi zai bi hang 。xiang bi chuan tong de ren gong shi de jian ce ,xian dai fei su fa zhan de yao gan ji shu shi de ke yan ren yuan ke yi huo de geng quan mian feng fu de cao de shu ju ,jie ge zui xin de ji suan ji ke xue ji shu ke yi jian li geng gao xiao de cao de tui hua zi dong jian ce ji tong 。zui kai shi de shi hou ,cao de tui hua de jian ce tong guo yao gan ji shu de dao zhi bei xu lie shu ju ,dui zhi bei de shi jian xu lie shu ju jin hang fen xi bing ji suan xiang guan de zhi biao lai fan ying he ping jia ou yu cao de tui hua de cheng du 。dan shi zhe chong fang fa shou wai jie yin su gan rao jiao da ,li ru shui jiang shui 、wen du de bo dong ,zhe xie yin su dou hui ying xiang dui cao de tui hua de zhun que pan duan 。ling yi fang mian ,que fa tong yi ming que de ping jia zhi biao he tui hua hua fen biao zhun ,zhe xie ye dou cheng wei zhi bei xu lie shu ju yong lai ping jia cao de tui hua de zhang ai 。yin ci ,ru guo neng gou tong guo gao fen bian lv de hang pai tu huo wei xing tu ,jie ge tu xiang fen ge zi dong shi bie chu cao de de tui hua qing kuang bing neng tong ji chu ou yu 、mian ji 、cheng du deng xin xi ,dui yu bao hu cao de sheng tai shi you chong da de yi yi de 。ben wen ji yu shen du xue xi de xiang guan fang fa dui cao ti tui hua tu xiang zi dong shi bie fen ge jin hang jian mo ,ju ti de yan jiu nei rong you yi xia ji dian :(1)dui xian you de tui hua cao de hang pai tu yang ben jin hang zheng li fen xi ,dui yang ben shu ju ji zhong cun zai de lei bie bu jun heng 、yang ben shu liang guo shao deng wen ti jin hang le shu ju zeng jiang fang shi de yu chu li ,dui shu ju ji an zhao 6:3:1de bi li hua fen xun lian ji 、yan zheng ji 、ce shi ji ,bing zai shu ru wang lao zhi qian dui zheng ti shu ju jin hang gui yi hua de cao zuo 。(2)yan jiu ji yu quan juan ji shen jing wang lao dui tui hua cao de tu xiang jin hang zi dong shi bie fen ge 。quan juan ji shen jing wang lao shi jin nian lai an fan yong yu tu xiang yu yi fen ge de shen du xue xi wang lao mo xing ,xiang bi chuan tong de tu xiang chu li fang fa yi ji juan ji shen jing wang lao jin hang tu xiang fen ge ,quan juan ji shen jing wang lao you zhao shu ru shu chu jie guo duan dao duan 、ren yi shu ru da xiao 、jie guo geng jing que deng yi ji lie you shi 。ben wen zai dui bi chang jian de duo chong shen jing wang lao yu yi fen ge mo xing hou di chu le gai jin de mo xing fang fa ,bing cong su du 、zhun que lv 、shi fou guo ni ge deng duo ge wei du jin hang dui bi ;ling wai ,ben wen hai tan jiu le bu tong yang ben shu ru da xiao dui jie guo de ying xiang bing shua ze le dang qian huan jing xia zui ge kuo de yang ben shu ru che cun 。(3)ben wen hai jin yi bu dui jie guo jin hang le fen xi he you hua 。shou xian shi yong shen jing wang lao ke shi hua de fang fa dui di chu de wang lao mo xing jin hang ke shi hua tan jiu ,tong guo zui da hua ji huo he xing qu tu xian tu liang chong fang shi yi ding cheng du shang zheng ming le shen jing wang lao de ke kao xing ;bing ju zhen dui shi ji ce shi zhong cun zai de hei bian yi ji bian yuan xi jie bu gou ping hua de wen ti zhao dao yuan yin bing zai shi xian de luo ji ceng mian jin hang le gai jin 。ben wen li yong shen du xue xi ji shu ,tong guo xun lian cao de tui hua yang ben shu ju ji de dao ge kuo de yu yi fen ge shen jing wang lao mo xing ,bing yong yu cao de tui hua tu xiang de zi dong hua jian ce 。xiang bi chuan tong fang fa ,geng zhi jie 、ke kao ,you liang hao de ying yong qian jing 。ben wen hai jin yi bu dui yu yi fen ge mo xing jin hang gai jin ,bing dui yang ben yi ji yu ce fang shi jin hang gai jin ,cong er zai tui hua cao de tu xiang fen ge de ren wu shang ju you geng hao de kuo ying xing 。
论文参考文献
论文详细介绍
论文作者分别是来自电子科技大学的沈鹏，发表于刊物电子科技大学2019-07-17论文，是一篇关于草地退化论文,图像分割论文,深度学习论文,语义分割论文,电子科技大学2019-07-17论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电子科技大学2019-07-17论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：草地退化论文; 图像分割论文; 深度学习论文; 语义分割论文; 电子科技大学2019-07-17论文;