复杂地质环境遥感影像智能解译理论与方法

目录
第1章复杂地质环境遥感影像场景分类概述1
1.1遥感影像场景概念1
1.2遥感影像场景分类概念及难点分析2
1.2.1概念2
1.2.2难点分析2
1.3复杂地质环境遥感影像场景特征及应用3
1.4国内外研究进展4
1.4.1基于底层特征提取的遥感影像场景分类方法4
1.4.2基于中层特征提取的遥感影像场景分类方法4
1.4.3基于深度学习的遥感影像场景分类方法5
第2章遥感影像智能分类理论与关键问题8
2.1相关理论8
2.1.1卷积神经网络理论8
2.1.2主流卷积神经网络13
2.2精度评价方法17
2.3遥感影像智能分类关键问题19
第3章遥感影像场景数据集20
3.1公开的遥感影像场景数据集20
3.1.1UCM数据集20
3.1.2AID数据集21
3.1.3NWPU-RESISC45数据集21
3.2植被覆盖区地貌遥感影像场景数据集制作22
3.2.1数据集制作区域基本情况22
3.2.2数据集地貌成因标签解译流程24
3.2.3数据集制作方法28
3.2.4数据集描述30
3.3山区景观遥感影像场景数据集制作31
3.3.1数据区域及数据源31
3.3.2数据集制作流程32
3.3.3山区地理遥感影像场景数据集制作34
第4章基于注意力和多尺度特征融合的遥感影像场景分类35
4.1模型构建36
4.1.1多尺度特征融合网络36
4.1.2通道注意力模块38
4.1.3基于注意力和多尺度特征融合的遥感影像场景分类网络39
4.2实验设置40
4.3实验结果与分析41
4.3.1UCM数据集实验结果与分析41
4.3.2AID数据集实验结果与分析43
4.3.3NWPU-RESISC45数据集实验结果与分析44
第5章基于深度度量学习的遥感影像场景分类48
5.1模型构建49
5.1.1k*近邻49
5.1.2近邻成分分析49
5.1.3可扩展近邻成分分析51
5.1.4基于深度度量学习的遥感影像场景分类网络52
5.2实验设置52
5.3实验结果与分析53
5.3.1AID数据集实验结果与分析53
5.3.2NWPU-RESISC45数据集实验结果与分析55
第6章基于自适应学习的遥感影像场景分类59
6.1模型构建59
6.1.1多尺度密集连接网络59
6.1.2基于自适应学习的遥感影像场景分类网络62
6.2模型性能优化63
6.2.1预算批分类63
6.2.2实时预测64
6.3实验设置64
6.4实验结果与分析65
6.4.1AID数据集实验结果与分析65
6.4.2NWPU-RESISC45数据集实验结果与分析67
6.4.3模型复杂度及轻量级分析68
6.4.4预算批分类设置下实验结果与分析69
6.4.5实时预测设置下实验结果与分析70
6.4.6预测可视化分析70
第7章基于特征通道注意力的遥感影像场景分类72
7.1模型构建73
7.1.1密集连接网络73
7.1.2基于标签平滑的损失函数74
7.1.3基于特征通道注意力的遥感影像场景分类网络75
7.2实验设置76
7.3实验结果与分析76
7.3.1山区遥感影像场景数据集实验结果与分析76
7.3.2UCM数据集实验结果与分析77
7.3.3AID数据集实验结果与分析79
7.3.4NWPU-RESISC45数据集实验结果与分析80
7.4实验讨论83
7.4.1特征通道注意力机制的热力图可视化83
7.4.2FCA网络的消融实验84
第8章基于全局上下文信息的遥感影像场景分类85
8.1模型构建85
8.1.1基于Mixup的对抗性数据增强85
8.1.2基于全局上下文空间注意力的遥感影像场景分类网络设计86
8.2实验设置89
8.3实验结果与分析90
8.3.1山区遥感影像场景数据集实验结果与分析90
8.3.2UCM数据集实验结果与分析91
8.3.3AID数据集实验结果与分析92
8.3.4NWPU-RESISC45数据集实验结果与分析95
8.4实验讨论96
8.4.1山区遥感影像场景数据集的预测结果96
8.4.2GCSA网络的消融实验97
第9章地貌遥感影像场景智能分类98
9.1地貌遥感影像场景分类概述98
9.2基于多模态深度学习网络的地貌遥感影像场景分类100
第10章矿山开发占地类型遥感影像智能分类105
10.1模型构建106
10.1.1总体技术路线106
10.1.2模型构建过程109
10.2实验结果与分析114
10.2.1基于多尺度思想的多流卷积神经网络分类114
10.2.2基于深度置信网络的多尺度特征融合的多层次分类116
10.3实验讨论119
10.3.1与可变形卷积神经网络的比较分析119
10.3.2*优模型的全研究区制图及分析120
参考文献122