在遙感領(lǐng)域,從高分辨率遙感影像中自動(dòng)提取城區(qū)道路是一個(gè)非常經(jīng)典的任務(wù),能夠在城市規(guī)劃、地理參考、交通導(dǎo)航、智能運(yùn)輸系統(tǒng)和地理信息整合等現(xiàn)實(shí)應(yīng)用中扮演著重要角色,具有巨大的市場(chǎng)需求。傳統(tǒng)通過人工標(biāo)注的方式效率低下且標(biāo)注工作十分乏味沉悶。本文基于深度學(xué)習(xí)方法,提出了一種多任務(wù)、端到端的城區(qū)道路提取方法,能夠同步學(xué)習(xí)、預(yù)測(cè)道路表面、道路邊緣和道路中心線。在網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)中,為了使網(wǎng)絡(luò)模型能夠自動(dòng)地學(xué)習(xí)多尺度、多層次的道路視覺特征,采用深度監(jiān)督網(wǎng)絡(luò)策略對(duì)各個(gè)卷積階段輸出的特征圖進(jìn)行直接監(jiān)督,并將各個(gè)卷積階段的預(yù)測(cè)特征圖融合,得到最終的預(yù)測(cè)結(jié)果。在訓(xùn)練過程中,三個(gè)道路檢測(cè)子任務(wù)的網(wǎng)絡(luò)通過級(jí)聯(lián)的方式整體訓(xùn)練,并且根據(jù)任務(wù)之間的關(guān)聯(lián)性進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化,在保證預(yù)測(cè)準(zhǔn)確性的前提下,使網(wǎng)絡(luò)模型計(jì)算十分高效。在損失代價(jià)函數(shù)設(shè)計(jì)中,首先采用加權(quán)的交叉熵函數(shù)對(duì)不均衡的類別分布進(jìn)行擬合,為了緩解由于該損失函數(shù)造成的過擬合問題,提出使用結(jié)構(gòu)損失函數(shù),從而在不使用非極大值抑制時(shí),也能得到接近單像素寬的道路邊緣和道路中心線。在后處理階段,本文對(duì)大面幅的遙感影像進(jìn)行裁切,并對(duì)預(yù)測(cè)結(jié)果進(jìn)行雙線性融合,緩解重疊區(qū)域預(yù)測(cè)不一致... 

【文章來源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－２多種場(chǎng)景中的復(fù)雜道路??

?基于深度學(xué)習(xí)的高分影像城區(qū)道路提取???難使用公式或者規(guī)則表達(dá)的任務(wù)期間，涌現(xiàn)出大批的優(yōu)秀學(xué)習(xí)方法，如??ＳＶＭ［４６］、ｂｏｏｓｔｉｎｇ、決策樹、１＾１１（１〇１１１？？＾１８［４７］等，而這些方法基本都是通過以下??方式解決：先通過人工設(shè)計(jì)特征提取算子，構(gòu)建“合適的”特征集合，并提供給??特定的機(jī)器學(xué)習(xí)算法。但是，對(duì)于很多現(xiàn)實(shí)任務(wù)，通過人工的方式能夠探索、挖??掘的特征空間十分有限。這主要是因?yàn)�，多個(gè)因素同時(shí)影響著我們觀測(cè)到的每一??張影像，例如目標(biāo)本身結(jié)構(gòu)的多樣性、觀測(cè)角度、光照、位置、太陽角度和亮度、??周圍存在的其他干擾目標(biāo)等。然而，從高維度的原始數(shù)據(jù)中有效、快速提取高層??次、抽象的特征是極其具有挑戰(zhàn)性的。??

圖２－１?Ｍｅａｎ?Ｓｈｉｆｔ道路檢測(cè)實(shí)驗(yàn)結(jié)果。（ａ）原始圖像；（ｂ）分割結(jié)果；（ｃ）形狀特征處理；??（ｄ）多方向形態(tài)學(xué)濾波；（ｅ）直線擬合和連接；（ｆ）疊加結(jié)果??以往研宄中［３＞３１，３２＃指出，Ｍｅａｎ?Ｓｈｉｆｔ算法在圖像平滑和分割方面的應(yīng)用效果??良好，具有兩點(diǎn)特性：１）當(dāng)?shù)^程收斂時(shí)，Ｍｅａｎ?Ｓｈｉｆｔ矢量等于或接近零，這??意味著收斂是穩(wěn)定的；２）當(dāng)使用但是由于算法對(duì)于邊緣的敏感性使得對(duì)于不同??

【參考文獻(xiàn)】：
期刊論文
[1]高分辨率遙感影像主干道路提取的感知編組方法[J]. 王理政,林祥國,梁勇.  測(cè)繪科學(xué). 2017(07)
[2]高分辨率遙感影像道路提取方法研究進(jìn)展[J]. 曹云剛,王志盼,楊磊.  遙感技術(shù)與應(yīng)用. 2017(01)
[3]基于P-N學(xué)習(xí)的高分遙感影像道路半自動(dòng)提取方法[J]. 陳光,眭海剛,涂繼輝,宋志娜.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(06)
[4]國內(nèi)外遙感影像道路網(wǎng)提取方法研究現(xiàn)狀[J]. 李衛(wèi)東,陳永楓,楊陽,李潤(rùn)生.  影像技術(shù). 2016(02)
[5]結(jié)合Gabor紋理與幾何特征的高分辨率遙感影像城區(qū)道路提取方法[J]. 胡華龍,吳冰,黃邵美.  測(cè)繪科學(xué)技術(shù)學(xué)報(bào). 2015(04)
[6]基于最優(yōu)尺度的高分辨率遙感影像道路提取[J]. 張采芳,田巖,鄭毓勇.  測(cè)繪通報(bào). 2015(01)
[7]一種高分辨率遙感影像城區(qū)道路網(wǎng)提取方法[J]. 周家香,周安發(fā),陶超,高陳強(qiáng),李靜.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(06)
[8]基于貝葉斯網(wǎng)絡(luò)的高分辨率遙感影像城區(qū)道路檢測(cè)方法[J]. 胡傳文,馮媛媛.  測(cè)繪通報(bào). 2012(09)
[9]基于Hough變換和路徑形態(tài)學(xué)的城區(qū)道路提取[J]. 劉小丹,劉巖.  計(jì)算機(jī)工程. 2012(06)
[10]利用MRF方法的高分辨率影像道路提取[J]. 余長(zhǎng)慧,易堯華.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2011(05)

博士論文
[1]Mean Shift遙感圖像分割方法與應(yīng)用研究[D]. 周家香.中南大學(xué) 2012
[2]基于對(duì)象馬爾可夫模型的高分辨率遙感影像分割方法研究[D]. 洪亮.武漢大學(xué) 2010

碩士論文
[1]基于時(shí)頻特征和支持向量機(jī)的高分辨率遙感影像道路提取[D]. 張曦.安徽大學(xué) 2016
[2]高分辨率遙感影像道路提取方法研究[D]. 宋納.昆明理工大學(xué) 2016
[3]高分辨率遙感圖像城市道路自動(dòng)提取方法研究[D]. 蔡紅玥.中國地質(zhì)大學(xué)(北京) 2015
[4]基于多特征的高分辨率遙感影像道路提取算法研究[D]. 苗則朗.中國礦業(yè)大學(xué) 2014
[5]基于GMM-MRF的高分辨率遙感影像道路提取算法研究[D]. 楊娟.湖南大學(xué) 2014
[6]高分辨率影像城市道路提取算法研究[D]. 徐天才.中南大學(xué) 2012
[7]遙感影像道路提取方法研究與實(shí)現(xiàn)[D]. 汪夕明.清華大學(xué) 2011
[8]高分辨率遙感影像城區(qū)道路提取的技術(shù)研究[D]. 劉巖.遼寧師范大學(xué) 2011
[9]高分辨率遙感影像道路信息提取關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D]. 魏宇峰.北京理工大學(xué) 2010



本文編號(hào)：3265149