典型文献
遥感图像质量等级分类的深度卷积神经网络方法
文献摘要：
遥感图像应用发展对图像质量的要求越来越高,不同质量的遥感图像往往需要不同的处理方法和参数.通过遥感图像质量等级分类研究,不仅能够为遥感图像的处理提供先验信息,还能够对遥感图像的客观质量评价和传感器的成像效果进行评估.为了克服现有的遥感图像质量等级分类方法计算参数获取困难、等级数量少的缺点,利用深度学习方法的分类机能,通过改进特征提取网络和等级分类设计,建立了一种基于深度卷积神经网络的遥感图像质量等级分类模型.通过质量等级分类预处理后,利用经典的深度学习方法进行目标检测实验.结果表明,所提方法在西北工业大学遥感图像数据集上质量等级分类的准确率、召回率、精确率和F1最高能达到0.976、0.972、0.974和0.973,优于传统算法.利用卷积神经网络实现遥感图像质量等级分类,既拓展了深度学习的应用领域,又为遥感图像质量评估提供了 一个新方法.
文献关键词：
遥感图像;质量等级分类;客观质量评价;深度学习;卷积神经网络
中图分类号：
作者姓名：
郭从洲;李可;李贺;童晓冲;王习文
作者机构：
信息工程大学基础部,河南 郑州,450001;信息工程大学地理空间信息学院,河南 郑州,450001
文献出处：
引用格式：
[1]郭从洲;李可;李贺;童晓冲;王习文-.遥感图像质量等级分类的深度卷积神经网络方法)[J].武汉大学学报（信息科学版）,2022(08):1279-1286
A类：
B类：
遥感图像,质量等级分类,深度卷积神经网络,神经网络方法,图像应用,应用发展,分类研究,先验信息,客观质量评价,成像效果,分类方法,计算参数,参数获取,深度学习方法,分类机,改进特征,特征提取网络,分类模型,分类预处理,目标检测,西北工业大学,图像数据集,召回率,精确率,传统算法,图像质量评估
AB值：
0.210939
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
