基于深度学习的高分六号影像水体自动提取

来源 :科学技术与工程 | 被引量 : 0次 | 上传用户:hanosn
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了探究高分六号(GF-6)卫星多光谱相机(PMS)影像提取水体的潜力,分别构建全卷积神经网络(FCN-8s)、U-Net及U-Net优化(VGGUnet1、VGGUnet2)4种神经网络进行了水体提取研究。基于水体提取结果对比分析,确定优选模型为VGGUnet1;提出基于组合损失函数FD-water loss(focal-dice-water loss)的VGGUnet1网络模型,并与归一化差分水指数(norma-lized water index, NDWI)阈值法、最大似然分类法、支持向量机分
其他文献
1病例资料患者,女,52岁,体质量46 kg,身高147 cm,体表面积1.37 m^(2),择期手术下行"二尖瓣置换+三尖瓣成形术"。体外循环使用Stockert V型心肺机(下称S5)连续血气监测系统(Ma
为了提高合成孔径雷达(synthetic aperture radar,SAR)影像舰船目标的召回率和准确率,降低漏检率,通过以YOLOv3(you olny look once)为检测框架,对锚点框(anchor boxes)生成
针对混合属性数据聚类难度高的问题,提出一种基于广义线性模型的混合属性数据聚类方法。首先,构建低阶多元广义线性模型处理海量数据聚类问题,考虑数据属性的时间特性,获取属
传统单级比例积分微分(proportional-integral-derivative control,PID)控制只适用于单一变量的简单线性对象,不适用于板球系统这种复杂的多变量、非线性系统。基于对板球系