全文总字数：3024字
1. 研究目的与意义（文献综述）
飓风发生后，态势感知是应急人员在响应灾害之前所面临的最关键需求之一。能否进行及时有效的损害评估，直接关系着灾害发生后，能否及时进行人员、资产的抢救，将灾害造成的损失降到最低，对于应急管理人员进行高效应对、合理调动和分配宝贵的人力物力资源，进行抢灾救灾至关重要。
目前衡量飓风灾害的破坏程度采用的传统方法是进行费时费力的地面调查，通过人员在受灾地区进行调查，来确定被淹没或受损害的建筑物的数量。为了在第一时间进行灾害评估，当前采用的主要方法仍是“挡风玻璃调查”，即依靠应急人员和志愿者在受灾地区附近驾驶机动车辆等进行统计勘测。评估飓风破坏程度的另一种方法是通过合成孔径雷达（sar）图像进行洪水检测（例如，达斯茅斯的洪水观测台）或者通过破坏代用图来识别建筑环境的区域性破坏（例如，加州理工学院和美国国家航空航天局的“高级快速成像与分析”项目）。虽然sar影像在绘制不同的表面特征、纹理或粗糙度图案方面很有用，但是对于外行来说比光学传感器影像难于解释。
传统的损害评估过程通常很慢，劳动强度大，成本高，且容易出错。随着科学技术的进步，光谱信息成像化、雷达成像多极化、光学探测多向化、地学分析智能化、环境研究动态化以及资源研究定量化，大大提高了遥感技术的实时性和运行性，使其向多尺度、多频率、全天候、高精度和高效快速的目标发展。近些年来，利用成像技术和光谱技术进行融合研究而发展的高光谱遥感影像，能提供更加丰富的光谱信息和地物空间分布信息，极大地提高了区分和识别各类地物的能力。遥感图像在全球科研、全球变化监测、灾害管理、石油和矿产勘探、农业产量预报、污染监测、地表变化检测、测绘制图、国土资源、城市规划、电子政务、农林水电等方面具有了更广泛的应用。
2. 研究的基本内容与方案
（1）了解本次毕业设计的遥感卫星影像数据集，熟悉卷积神经网络的基本结构以及各个组成部分的原理。
（2）了解常规卷积神经网络与vgg16卷积神经网络的不同点，对比体会vgg16卷积神经网络在图像分类和目标检测任务中得到广泛应用的原因。
（3）在pycharm中实现基于python语言的卷积神经网络算法，对比常规卷积神经网络与vgg16卷积神经网络针对飓风后遥感图像建筑物的分类问题中的准确度。
3. 研究计划与安排
2019.12-2020.3 查找资料，文献归纳、分析、整理，撰写开题报告、翻译英文资料。
2020.3-2020.4学习卷积神经网络的结构和各组成部分的工作原理。
2020.4-2020.5完成代码的编写和卷积神经网络对图像进行训练的整体实现，然后调试程序并运行出结果。
4. 参考文献（12篇以上）
[1]周飞燕,金林鹏,董军.卷积神经网络研究综述[j].计算机学报,2017,40(06):1229-1251.
[2]吴正文. 卷积神经网络在图像分类中的应用研究[d].电子科技大学,2015.
[3]常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安.图像理解中的卷积神经网络[j].自动化学报,2016,42(09):1300-1312.
课题毕业论文、开题报告、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。
