【摘要】：衛(wèi)星遙感圖像反映地物目標(biāo)電磁輻射特性的空間分布狀況,廣泛應(yīng)用于環(huán)境監(jiān)測(cè)、城市建設(shè)等領(lǐng)域,兼具研究?jī)r(jià)值和經(jīng)濟(jì)效益。衛(wèi)星遙感圖像包含豐富的地物信息,處理過(guò)程復(fù)雜,如何實(shí)現(xiàn)遙感圖像的智能解譯一直是學(xué)術(shù)界和工業(yè)界面臨的難題。圖像分割是遙感圖像處理的基礎(chǔ),是決定解譯質(zhì)量的關(guān)鍵因素。隨著軟硬件水平的提高,獲取到的遙感圖像愈加復(fù)雜,傳統(tǒng)分割方法應(yīng)用受到諸多限制。近年來(lái),以深度學(xué)習(xí)為理論基礎(chǔ)的圖像分割方法研究發(fā)展迅速,應(yīng)用深度學(xué)習(xí)解決遙感智能圖像解譯難題,具有重要的實(shí)踐意義。本文旨在研究基于深度學(xué)習(xí)的高分辨遙感圖像語(yǔ)義分割技術(shù),從遙感圖像獲取、質(zhì)量改善、語(yǔ)義分割網(wǎng)絡(luò)設(shè)計(jì)、訓(xùn)練等階段展開敘述,重點(diǎn)討論與優(yōu)化有關(guān)的內(nèi)容。具體地,本文實(shí)驗(yàn)使用的數(shù)據(jù)源包括公開圖像競(jìng)賽數(shù)據(jù)集和制作的哈爾濱市衛(wèi)星遙感圖像數(shù)據(jù)集。在質(zhì)量改善階段,對(duì)遙感圖像作去噪、去霧和超分辨率處理。去噪階段使用高斯濾波和均值濾波等空間域去噪方法;去霧階段使用暗通道先驗(yàn)去霧方法;超分辨階段使用本文提出的基于邊界平衡生成對(duì)抗網(wǎng)絡(luò)的方法。在語(yǔ)義分割網(wǎng)絡(luò)設(shè)計(jì)和訓(xùn)練階段,簡(jiǎn)述深度卷積神經(jīng)網(wǎng)絡(luò)的基本原理、基礎(chǔ)構(gòu)件,并具體介紹本文提出的基于U-Net改進(jìn)的語(yǔ)義分割網(wǎng)絡(luò)。本文以DeepLab v3在個(gè)人數(shù)據(jù)集上的并行訓(xùn)練為例,基于訓(xùn)練過(guò)程中出現(xiàn)的若干問(wèn)題,討論基于正則化、遷移學(xué)習(xí)和集成學(xué)習(xí)思想的優(yōu)化策略。本課題研究使用改進(jìn)U-Net,從頭開始訓(xùn)練,在公開數(shù)據(jù)集“CCF衛(wèi)星影像的AI分類與識(shí)別競(jìng)賽”上取得了 90%的測(cè)試準(zhǔn)確率;使用DeepLab v3,加載預(yù)訓(xùn)練模型ResNet-50權(quán)重,微調(diào)訓(xùn)練,在制作的哈爾濱市衛(wèi)星遙感圖像數(shù)據(jù)集上取得了 93%的測(cè)試準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明,本文提出方法在擁有較高分割準(zhǔn)確率的同時(shí)還具有良好的泛化能力,能夠用于實(shí)際工程。
【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP751;TP18
【圖文】：

Ｎｅｕｒａｌ邋Ｎｅｔｗｏｒｋｓ，邋ＦＣＮ）的遙感圖像土地覆蓋制圖方法，并在ＩＳＰＲＳ邋２Ｄ語(yǔ)義標(biāo)注數(shù)據(jù)集［１４］逡逑上實(shí)現(xiàn)了對(duì)不同尺度大小的地物目標(biāo)的準(zhǔn)確分割，分割準(zhǔn)確率高達(dá)８７％，其中對(duì)小尺度逡逑地物“汽車”分割的Ｆ１值達(dá)到８０％。同樣是針對(duì)ＩＳＰＲＳ邋２Ｄ語(yǔ)義標(biāo)注數(shù)據(jù)集（圖１－１所逡逑示），Ａｕｄｅｂｅｒｔ等人［１５］提出一種基于自編碼器類型的深度全卷積神經(jīng)網(wǎng)絡(luò)（Ｄｅｅｐ邋Ｆｕｌｌｙ逡逑Ｃｏｎｖｏｌｕｔｉｏｎａｌ邋Ｎｅｕｒａｌ邋Ｎｅｔｗｏｒｋｓ，邋ＤＦＣＮＮ），其關(guān)鍵是引入多核卷積層，實(shí)現(xiàn)對(duì)地物目標(biāo)的逡逑多尺度特征提��？，另外引入殘差結(jié)構(gòu)，實(shí)現(xiàn)對(duì)異構(gòu)傳感器數(shù)據(jù)的融合。Ｐａｎｂｏｏｎｙｕｅｎ等逡逑人［１６］基于ＳｅｇＮｅｔ設(shè)計(jì)語(yǔ)義分割網(wǎng)絡(luò)結(jié)構(gòu)，如圖１－２所示，并結(jié)合景觀指數(shù)和條件隨機(jī)逡逑場(chǎng)方法，對(duì)遙感圖像中的道路進(jìn)行分割。Ｃｈｅｎｇ等人［１７］提出一種級(jí)聯(lián)端到端卷積神經(jīng)網(wǎng)逡逑絡(luò)（Ｃａｓｃａｄｅｄ邋Ｅｎｄ－ｔｏ－ｅｎｄ邋Ｃｏｎｖｏｌｕｔｉｏｎａｌ邋Ｎｅｕｒａｌ邋Ｎｅｔｗｏｒｋｓ，邋ＣａｓＮｅｔ），該網(wǎng)絡(luò)結(jié)構(gòu)包含兩個(gè)子逡逑網(wǎng)絡(luò)，其中一個(gè)用于道路檢測(cè)，另一個(gè)用于中心線提取，然后再使用其他形態(tài)學(xué)方法作逡逑后處理。逡逑W

光譜為可見光三波段（Ｒ，邋Ｑ邋Ｂ）。地物目標(biāo)被簡(jiǎn)化為五類：植被（標(biāo)記１）、建筑（標(biāo)逡逑記２）、水體（標(biāo)記３）、道路（標(biāo)記４）及其他（標(biāo)記０）。需要注意的是，數(shù)據(jù)集中的逡逑耕地、林地和草地均視為植被，不作進(jìn)一步區(qū)分。圖２－１和圖２－２分別是公開數(shù)據(jù)集樣逡逑本和人工標(biāo)記，表２－１是公開數(shù)據(jù)集的樣本分布統(tǒng)計(jì)情況。需要注意的是，實(shí)際數(shù)據(jù)集逡逑中的遙感圖像為ＰＮＧ格式，但其尺寸大小不一，最小的圖像尺寸為４０１１ｘ２４７０像素，逡逑大小約為１５ＭＢ，最大的圖像尺寸為７９６９ｘ７９３９像素，大小約為９８ＭＢ。為方便展示，逡逑本文中部分圖像作了比例縮放，但在模型實(shí)際訓(xùn)練和預(yù)測(cè)時(shí)，圖像比例保持不變。逡逑■■■逡逑ＩＭＧ—ＰＵＢＬＩＣ邋１邐ＩＭＧ＿ＰＵＢＵＣ＿２邐ＩＭＧＰＵＢＬＩＣ３逡逑■■逡逑ＩＭＧ一ＰＵＢＬＩＣ邋４邐ＩＭＧ＿ＰＵＢＵＣ＿５逡逑圖２－１公開數(shù)據(jù)集樣本逡逑－７－逡逑

光譜為可見光三波段（Ｒ，邋Ｑ邋Ｂ）。地物目標(biāo)被簡(jiǎn)化為五類：植被（標(biāo)記１）、建筑（標(biāo)逡逑記２）、水體（標(biāo)記３）、道路（標(biāo)記４）及其他（標(biāo)記０）。需要注意的是，數(shù)據(jù)集中的逡逑耕地、林地和草地均視為植被，不作進(jìn)一步區(qū)分。圖２－１和圖２－２分別是公開數(shù)據(jù)集樣逡逑本和人工標(biāo)記，表２－１是公開數(shù)據(jù)集的樣本分布統(tǒng)計(jì)情況。需要注意的是，實(shí)際數(shù)據(jù)集逡逑中的遙感圖像為ＰＮＧ格式，但其尺寸大小不一，最小的圖像尺寸為４０１１ｘ２４７０像素，逡逑大小約為１５ＭＢ，最大的圖像尺寸為７９６９ｘ７９３９像素，大小約為９８ＭＢ。為方便展示，逡逑本文中部分圖像作了比例縮放，但在模型實(shí)際訓(xùn)練和預(yù)測(cè)時(shí)，圖像比例保持不變。逡逑■■■逡逑ＩＭＧ—ＰＵＢＬＩＣ邋１邐ＩＭＧ＿ＰＵＢＵＣ＿２邐ＩＭＧＰＵＢＬＩＣ３逡逑■■逡逑ＩＭＧ一ＰＵＢＬＩＣ邋４邐ＩＭＧ＿ＰＵＢＵＣ＿５逡逑圖２－１公開數(shù)據(jù)集樣本逡逑－７－逡逑

【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)：2776887