【摘要】：遙感圖像目標(biāo)識(shí)別技術(shù)被廣泛應(yīng)用于對(duì)地觀測(cè)、礦物資源管理、測(cè)繪以及軍事目標(biāo)探測(cè)等領(lǐng)域。目前已提出的遙感圖像目標(biāo)識(shí)別算法針對(duì)性太強(qiáng)、算法準(zhǔn)確率有待提高的問(wèn)題,因此遙感圖像目標(biāo)識(shí)別算法還需進(jìn)一步的研究。本文從高分辨遙感圖像數(shù)據(jù)出發(fā),運(yùn)用深度學(xué)習(xí)圖像處理技術(shù),將實(shí)例分割技術(shù)引入遙感圖像目標(biāo)識(shí)別中,構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像目標(biāo)分割識(shí)別網(wǎng)絡(luò)。同時(shí),實(shí)現(xiàn)基于深度學(xué)習(xí)的遙感圖像處理系統(tǒng)。本文的具體工作包含以下三點(diǎn):(1)構(gòu)建一種基于Mask R-CNN的深度學(xué)習(xí)網(wǎng)絡(luò),用于遙感圖像目標(biāo)的識(shí)別與分割。該方法利用密集卷積網(wǎng)絡(luò)和特征金字塔網(wǎng)絡(luò)對(duì)圖像進(jìn)行特征提取,將得到的不同尺度的特征圖輸入?yún)^(qū)域生成網(wǎng)絡(luò)得到各個(gè)包含目標(biāo)的候選框,通過(guò)RoIAlign將候選框進(jìn)行尺度統(tǒng)一,然后在每個(gè)候選區(qū)域上進(jìn)行類(lèi)別判定、矩形框修正以及實(shí)例分割。對(duì)于網(wǎng)絡(luò)中的分割任務(wù),構(gòu)建了基于SegNet模型的18層網(wǎng)絡(luò)結(jié)構(gòu),分割效果得到了提升。最后利用公開(kāi)的遙感圖像房屋數(shù)據(jù)集和手動(dòng)標(biāo)注的飛機(jī)數(shù)據(jù)集對(duì)構(gòu)建的網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練與測(cè)試,測(cè)試結(jié)果表明,本文所使用的方法能夠有效提高遙感圖像目標(biāo)識(shí)別的準(zhǔn)確率,可被用于遙感圖像目標(biāo)的識(shí)別與分割領(lǐng)域。(2)設(shè)計(jì)并實(shí)現(xiàn)了基于深度學(xué)習(xí)的遙感圖像處理系統(tǒng)。利用構(gòu)建的深度學(xué)習(xí)模型,結(jié)合Django、RabbitMQ和Celery等技術(shù)實(shí)現(xiàn)的系統(tǒng)主要包括數(shù)據(jù)集管理、模型管理、任務(wù)管理和用戶(hù)管理四個(gè)模塊,分別實(shí)現(xiàn)了數(shù)據(jù)集上傳、數(shù)據(jù)集展示、模型上傳、模型展示、模型刪除、模型下載、模型訓(xùn)練、對(duì)上傳的遙感圖像進(jìn)行識(shí)別和用戶(hù)管理等功能。(3)對(duì)遙感圖像處理系統(tǒng)進(jìn)行了測(cè)試。通過(guò)使用黑盒測(cè)試的方法,模擬用戶(hù)的操作行為,對(duì)系統(tǒng)進(jìn)行功能性測(cè)試。根據(jù)測(cè)試結(jié)果對(duì)系統(tǒng)進(jìn)行性能分析。測(cè)試結(jié)果表明,本系統(tǒng)達(dá)到了預(yù)期效果,可對(duì)遙感圖像目標(biāo)進(jìn)行識(shí)別與分割。
【圖文】：

圖像中每一個(gè)類(lèi)別的概率。不同于圖像分類(lèi)的神經(jīng)網(wǎng)絡(luò)，全卷積神經(jīng)網(wǎng)絡(luò)將傳統(tǒng)逡逑卷積神經(jīng)網(wǎng)絡(luò)中的全連接層轉(zhuǎn)化卷積層，整個(gè)網(wǎng)絡(luò)由卷積層和反卷積層構(gòu)成，全逡逑卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖２＿６所示。逡逑１３逡逑

（ｃ）層次特征金字塔邐（ｄ）特征金字塔網(wǎng)絡(luò)逡逑圖２－５特征金字塔結(jié)構(gòu)逡逑２．４深度學(xué)習(xí)圖像語(yǔ)義分割逡逑圖像語(yǔ)義分割是計(jì)算機(jī)視覺(jué)的關(guān)鍵技術(shù)，隨機(jī)森林分類(lèi)和紋理基元森林分類(lèi)逡逑是圖像語(yǔ)義分割的傳統(tǒng)方法。近年來(lái)，隨著深度學(xué)習(xí)算法被成功引入到機(jī)器視覺(jué)逡逑領(lǐng)域，語(yǔ)義分割問(wèn)題有了突破性進(jìn)展。逡逑２．４．１全卷積神經(jīng)網(wǎng)絡(luò)圖像語(yǔ)義分割模型逡逑全卷積神經(jīng)網(wǎng)絡(luò)（ＦｕｌｌｙＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｔｗｏｒｋｓ，ＦＣＮ）是目前圖像語(yǔ)義分割逡逑最常用的網(wǎng)絡(luò)之一，也是深度學(xué)習(xí)在圖像語(yǔ)義分割任務(wù)上的開(kāi)創(chuàng)性成果［２３］。深度逡逑卷積神經(jīng)網(wǎng)絡(luò)是圖像級(jí)別語(yǔ)義理解的有效工具，全卷積神經(jīng)網(wǎng)絡(luò)則是基于卷積神逡逑經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的用于像素級(jí)別語(yǔ)義理解的網(wǎng)絡(luò)，適用于圖像語(yǔ)義分割、邊緣檢測(cè)等逡逑應(yīng)用場(chǎng)景。全卷積神經(jīng)網(wǎng)絡(luò)可以接收任意尺寸的輸入圖像
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP751;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉增偉;;關(guān)于遙感圖像云檢測(cè)方法研究進(jìn)展[J];數(shù)字通信世界;2019年04期

2 徐秋曄;李玉;林文杰;趙泉華;;基于信息聚類(lèi)的遙感圖像分割[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2017年01期

3 彭晏飛;周娟;訾玲玲;;于衛(wèi)星地域遙感圖像分割方法研究仿真[J];計(jì)算機(jī)仿真;2017年01期

4 盛啟慧;李啟明;;航空遙感圖像幾何校正模型的效果比較[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2017年17期

5 劉寧波;孫艷麗;王杰;;基于場(chǎng)景語(yǔ)義的遙感圖像目標(biāo)識(shí)別[J];現(xiàn)代電子技術(shù);2017年11期

6 王超英;;統(tǒng)計(jì)學(xué)習(xí)在海上遙感圖像背景去噪的算法研究[J];艦船科學(xué)技術(shù);2017年12期

7 姚銳;付卓新;;關(guān)于森林資源二類(lèi)調(diào)查中遙感圖像的應(yīng)用分析[J];北京農(nóng)業(yè);2016年01期

8 李哲學(xué);;改進(jìn)高斯混合模型的遙感圖像增強(qiáng)方法[J];激光雜志;2016年07期

9 雷笑笑;;試論遙感圖像在師范地理教學(xué)中的應(yīng)用[J];山西青年;2017年03期

10 舒建文;周云真;;航空遙感圖像中道路檢測(cè)方法研究與仿真[J];計(jì)算機(jī)仿真;2013年09期

相關(guān)會(huì)議論文 前10條

1 李剛;張金榮;朱雷;汪林林;;基于多方向模糊形態(tài)學(xué)的彩色遙感圖像邊緣檢測(cè)算法[A];2009年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊(cè))[C];2009年

2 王耀南;王紹源;孫煒;;基于二次規(guī)劃的神經(jīng)網(wǎng)絡(luò)遙感圖像的恢復(fù)[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

3 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢(xún)的研究與實(shí)踐[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

4 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動(dòng)鑲嵌技術(shù)[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

5 彭Z，

本文編號(hào)：2711471