1、“.....进行灰度值化边缘等条件进行低层次处理。中层次阶段分析选择综合处理低层次处理阶段的处理结果，在此过程中，要注意指定相应的识别要求。大型灌区改造规划中高分数据的应用论文全文。稻田提取基本思想稻田年季都处于生长变化之中，要想准确提取稻田数据，需要根据季节不同制定不同的提取策略。另外，稻田面积的精确性也是最终配臵水资源的重要要求，在提取过程中需要对田间道路田埂等做出识别。主要将稻自然特征，反映在同遥感影像中，会发现稻田内部的颜色分布相对均匀，光谱特性较为接近，与两侧物体存在定材质反差，高分辨率下能够较为容易地观察到明显的分界线，而且不同季节稻田部分光谱特性可以进行规律上的区分。上下文特征高分图像中能够找到其他的景物元素，用来辅助识别稻田元素的关联特征，例如区域中供水灌溉设施田埂信息，全局中的村镇信息。大型灌区改造规划中高分数据的应用论文全文......”。

2、“.....朱思蓉，罗斌，王汉东，等空间数据库技术在流域规划工作中的应用水利规划与设计，潘腾高分号卫星的技术特点中国航天，贺少帅高分辨率卫星影像快速几何纠正研究长沙中南大学，肖昶，余晓敏，韩逸飞高分号卫星影像融合技术研究地理空间信息，朱鹤遥感技术在地表水源地水体监测中的应用研究北京中国水利水电科学研究院，高常鑫，桑农基于深度学习的高分辨率遥感影部分典型区域未建立标签，导致部分稻田未被提取。结语从国土调查数据库规划资料获取数据，采用人工解译施工图等传统方法均为历史数据获取方式，存在数据实时性不足的弊端，更主要的是自动化水平低，数据获取效率低准确性差。利用高分数据结合深度学习方法进行稻田数据提取效率高结果可靠实时性好，在规划范围大且设计周期要求严格的情况下适宜推广应用。通过人工解译与深度学习的方式进行对比参照......”。

3、“.....优化分类结果。具体流程如图所示。应用成果分析按照基于深度学习的提取流程进行稻田元素提取，将抽取的切片数据依次导入生成模型，得到对应的稻田元素值图像。通过对值图像进行统计分析，并与人工绘制的稻田提取模块作为对比对象，成果如图所示。最终选取了效率指标精度指标两个维度的评价标准对该模型的提取结果进行评价。效率指标该指标主要考虑的是完成选定区域内稻田提取任务所需花费的时间成本，以完成营值图生成是稻田提取所需要面对的主要问题，针对该问题，可将现有的深度学习模型分为两类，即鉴别模型与生成模型。前者通过习得的自然特征与类型的条件概率来进行判断，判定最初输入数据类别，后者则通过习得自然特征与类型的联合概率来进行学习匹配，获取到相应的数据生成机制，最终求得条件概率分布，具体的划分方式如图所示......”。

4、“.....同时考虑作为继十之后的储备项目，也可深入探究到辽宁省各大灌区的基础信息及规划前景，为下步进行现代化改造创造条件，具有战略意义。上述操作实现了从基础的遥感影像图片直到生成灌区规划方案所需稻田数据的全过程，各类处理方法的区别主要体现在中层次高层次的图像数据分析处理阶段。基于深度学习的稻田提取应用面向深度学习的稻田提取研究深度学习是智能提取影像数据主要解决方案之，深生产的问题水利规划与设计何成斌基于高分辨率遥感影像的建筑物快速提取测绘标准化，范荣双，陈洋，徐启恒，等基于深度学习的高分辨率遥感影像建筑物提取方法测绘学报。上述操作实现了从基础的遥感影像图片直到生成灌区规划方案所需稻田数据的全过程，各类处理方法的区别主要体现在中层次高层次的图像数据分析处理阶段......”。

5、“.....张武洋，王续高分号卫星影像区域正射影像生成策略水利技术监督，高常鑫，桑农基于深度学习的高分辨率遥感影像目标检测测绘通报，陈海兵，李文格，尹欣信息化测绘成果在水利工程设计中的应用水利规划与设计，吴亮，胡云安遥感图像自动道路提取方法综述自动化学报，朱思蓉，罗斌，王汉东，等空间数据库技术在流域规划工作中的应用水利规划与设计，潘腾高分号卫星的技术特点中国航天，贺少帅高分辨率卫星影时长也远超过深度学习方法。精度指标从统计结果分析，通过深度学习和目视解译得到营口灌区内稻田面积分别为万亩，相差万亩，比例为，结果相差较小，数据可靠，见表。经过数据数详查，深度学习方法过程中由于标签栅格数量偏少，且部分典型区域未建立标签，导致部分稻田未被提取。结语从国土调查数据库规划资料获取数据，采用人工解译施工图等传统方法均为历史数据获取方式，存在数据实时性不足的弊端......”。

6、“.....深度学习本身不是个新颖的概念，但是随着当下机器运算性能的逐步提升和相关理论知识的日趋完善，深度学习具备了新的活力。通过计算机算法模拟人类的认知方式与思考过程，使算法模型具备自学习能力，并利用人类不具备的机器的优越计算性能以及持久工作的能力在海量的影像数据样本训练过程中，不断地优化改进算法模型，最终完成高效率的数据处理并得到高精度的数据处理结度的数据处理结果。为了理清辽宁省大型灌区近些年的实际现状，了解灌区目前管理运行情况，补齐灌区规划体系存在的短板问题，同时结合国家进步规范大型灌区续建配套与现代化改造实施方案编制工作要求，参照水利部部署编制的大型灌区续建配套与现代化改造实施方案编制技术指南，辽宁省水利厅启动了辽宁省十大型灌区续建配套与现代化改造发展规划项目......”。

7、“.....也能借此契机摸清辽方法对农田数据进行更新。基于深度学习稻田提取方案实施过程如下，首先在高分图像上收集训练样本数据，经过数据预处理构建栅格标签，初始化模型并生成掩模模型样本，训练掩模模型并执行分类激活函数，通过激活到像元感兴趣区及多边形感兴趣区，优化分类结果。具体流程如图所示。应用成果分析按照基于深度学习的提取流程进行稻田元素提取，将抽取的切片数据依次导入生成模型，得到对应的稻田元素值图像。通过对值图像进行统解决方案之，深度学习的概念起源于早期人工智能方向的神经网络研究，深度学习本身不是个新颖的概念，但是随着当下机器运算性能的逐步提升和相关理论知识的日趋完善，深度学习具备了新的活力。通过计算机算法模拟人类的认知方式与思考过程，使算法模型具备自学习能力，并利用人类不具备的机器的优越计算性能以及持久工作的能力在海量的影像数据样本训练过程中......”。

8、“.....最终完成高效率的数据处理并得到高精像快速几何纠正研究长沙中南大学，肖昶，余晓敏，韩逸飞高分号卫星影像融合技术研究地理空间信息，朱鹤遥感技术在地表水源地水体监测中的应用研究北京中国水利水电科学研究院，高常鑫，桑农基于深度学习的高分辨率遥感影像目标检测测绘通报，张兵遥感大数据时代与智能信息提取信息科学版，高伟基于特征知识库的遥感信息提取技术研究武汉中国地质大学，周红梅，吕海龙，王媛媛，等，浅析基础性地理国情监测数低，数据获取效率低准确性差。利用高分数据结合深度学习方法进行稻田数据提取效率高结果可靠实时性好，在规划范围大且设计周期要求严格的情况下适宜推广应用。通过人工解译与深度学习的方式进行对比参照，能够满足规划方案定制的需求，但是要达到较好的迁移应用效果，需要不断提高学习模型的适用性。设备硬件情况是深度学习方法的限制条件之，低配硬件训练样本时间较长......”。

9、“.....参考文献徐分析，并与人工绘制的稻田提取模块作为对比对象，成果如图所示。最终选取了效率指标精度指标两个维度的评价标准对该模型的提取结果进行评价。效率指标该指标主要考虑的是完成选定区域内稻田提取任务所需花费的时间成本，以完成营口灌区内近万亩灌区稻田面积提取为基准。分类过程消耗时间见表，目视解译方法采用了年更新的数据作为工作基础数据，相当于在此基础上结合高分号影像做数据更新，减少了工作量，但尽管如此，工作大型灌区改造规划中高分数据的应用论文全文，后者则通过习得自然特征与类型的联合概率来进行学习匹配，获取到相应的数据生成机制，最终求得条件概率分布，具体的划分方式如图所示。基于深度学习的稻田提取方案本文选取了营口市高分号卫星数据级数据景影像中的部分瓦片作为样本数据源，选取其中年月日的景影像和年月日的景影像，为了使模型具有良好的适应性......”。