文献综述
1研究背景及研究意义1.1选题背景随着北斗、IKONOS、Worldview系列、高分系列、高景等高分辨率遥感卫星的成功发射，遥感技术朝向多平台、多传感器与多角度的发展，高分辨率遥感影像已经成为对地精细观测的重要数据来源[1-2]。
另一方面，机器学习等新兴技术发展迅猛，尤其在图像分类与识别方面表现了其非常强大的工作能力。
[3-4]于是不少学者尝试研究利用人工智能在图像识别以及分类的强势之处来对遥感卫星影像进行分类与识别处理，并取得了很好的效果[5]。
1.2研究意义高分辨率遥感影像相较于传统影像有着种种优势，其更深层次的细节表现，更精细的图像纹理，使近年来研究的地物目标精确解译识别成为可能，但也面对着成像波段减少、语义鸿沟、同物异谱、地物类内方差增大、图相间方差减小等问题，使得传统的影像识别技术难以在如今的高分影像上进行处并达到令人满意的结果[6]。
综上所述，以前通过对图像像元进行处理、识别、分类的方式已经不能很好地解决如今所面对的问题，寻找并训练一个能够很好匹配与适应高分辨率遥感影像识别与分类的模型已经成为如今需要面对的新的研究问题。
2国内外研究现状2.1遥感高分影像研究现状高分辨率遥感场景中不仅包含多种地物目标，而且地物目标呈现出可变性和底层特征差异性等特点。
同时场景不是地物类型的简单叠加集合，而是地物目标以某种空间分布构成的具有高层语义的复杂影像区域。
（1）影像中地物类别多样性。
在卫星影像的最小单位一景中往往包含着多种地物类别，如道路、建筑、林区等复杂的情况。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
