首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于CNN迁移特征融合与池化的高分辨率遥感图像检索研究

摘要第3-5页
abstract第5-7页
第1章 绪论第11-30页
    1.1 研究背景及意义第11-13页
    1.2 国内外研究现状第13-26页
        1.2.1 基于手工特征的遥感图像检索第14-18页
        1.2.2 基于CNN的迁移学习第18-23页
        1.2.3 基于CNN的遥感图像检索第23-26页
    1.3 研究内容第26-28页
    1.4 论文组织结构第28-30页
第2章 相关的理论知识及方法第30-46页
    2.1 遥感图像特征提取第30-34页
        2.1.1 底层特征第30-32页
        2.1.2 中层特征第32-34页
    2.2 卷积神经网络第34-41页
        2.2.1 主要结构第34-37页
        2.2.2 常见的网络模型第37-41页
    2.3 检索评价指标第41-43页
        2.3.1 查准率和查全率第41-42页
        2.3.2 平均准确率第42页
        2.3.3 平均归一化修改检索等级第42-43页
    2.4 遥感图像数据集第43-45页
        2.4.1 UC-Merced第43-44页
        2.4.2 WHU-RS第44页
        2.4.3RSSCN7第44-45页
    2.5 本章小结第45-46页
第3章 基于CNN迁移特征及融合的遥感图像检索第46-66页
    3.1 引言第46-47页
    3.2 基于迁移特征及融合的遥感图像检索第47-52页
        3.2.1 迁移特征第47-49页
        3.2.2 检索过程第49-51页
        3.2.3 特征融合第51-52页
    3.3 实验结果及分析第52-64页
        3.3.1 实验数据和评估标准第52-53页
        3.3.2 不同层次特征的检索结果比较第53-54页
        3.3.3 不同类别图像检索结果比较第54-57页
        3.3.4 查准率-查全率曲线比较第57-60页
        3.3.5 与其它方法比较第60-61页
        3.3.6 特征融合结果第61-64页
    3.4 本章小结第64-66页
第4章 基于小区域池化和BoVW的遥感图像检索第66-87页
    4.1 引言第66-67页
    4.2 基于CNN聚合特征的遥感图像检索第67-73页
        4.2.1 网络结构第67-68页
        4.2.2 聚合特征第68-71页
        4.2.3 检索流程第71-73页
    4.3 实验结果及分析第73-85页
        4.3.1 实验数据和评估标准第73页
        4.3.2 池化区域尺寸比较第73-77页
        4.3.3 不同输入尺寸的池化特征比较第77-81页
        4.3.4 不同输入尺寸的BoVW特征比较第81-82页
        4.3.5 查准率-查全率曲线比较第82-84页
        4.3.6 与其它方法比较第84-85页
    4.4 本章小结第85-87页
第5章 基于区域的级联池化方法用于遥感图像检索第87-105页
    5.1 引言第87-88页
    5.2 基于RBCP特征的遥感图像检索第88-94页
        5.2.1 基于区域的级联池化特征第89-91页
        5.2.2 检索流程第91-93页
        5.2.3 不同的输入尺寸第93-94页
        5.2.4 微调CNN第94页
    5.3 实验结果及分析第94-103页
        5.3.1 默认输入尺寸下的特征比较第94-96页
        5.3.2 原始输入尺寸下的特征比较第96-99页
        5.3.3 查准率-查全率曲线比较第99-101页
        5.3.4 微调CNN结果第101-102页
        5.3.5 与其它方法比较第102-103页
    5.4 本章小结第103-105页
第6章 基于高层特征图组合及池化的遥感图像检索第105-125页
    6.1 引言第105-108页
    6.2 融合高层特征图的遥感图像检索第108-114页
        6.2.1 提取高层特征第108-109页
        6.2.2 融合高层特征第109-112页
        6.2.3 检索流程第112-114页
    6.3 实验结果及分析第114-123页
        6.3.1 实验数据和评估标准第114-115页
        6.3.2 不同高层特征融合结果第115-117页
        6.3.3 主成分分析降维结果第117-118页
        6.3.4 微调CNN结果第118-120页
        6.3.5 与其它方法比较第120-121页
        6.3.6 与本文其它章节的方法比较第121-123页
    6.4 本章小结第123-125页
第7章 结论与展望第125-129页
    7.1 结论第125-127页
    7.2 进一步工作的方向第127-129页
致谢第129-130页
参考文献第130-141页
攻读学位期间的研究成果第141页

论文共141页,点击 下载论文
上一篇:土地利用空间格局刻画方法及其在中国的应用
下一篇:基于光纤微腔的新型结构传感器的应用研究