【摘要】：隨著我國道路交通的快速發(fā)展,道路交通對人們的出行變得尤為重要,然而,路面災(zāi)害問題,尤其是道路裂縫,一直嚴(yán)重影響著道路行駛安全,對道路的養(yǎng)護(hù)、病害路面的精準(zhǔn)定位等需求變得更為迫切。目前,道路裂縫在實際檢測中還是以人工檢測為主,存在成本高、耗時長、效率低、檢測效果差等問題。近年來,隨著高分遙感技術(shù)的發(fā)展,高分辨率、高光譜、高時相的遙感影像產(chǎn)品逐漸影響著人們的生活,利用高分遙感影像,能清晰的看到路面情況。在目標(biāo)檢測上,隨著深度學(xué)習(xí)的發(fā)展,目標(biāo)檢測的準(zhǔn)確率逐步提升,且深度學(xué)習(xí)避免了人工設(shè)計特征的弊端,極大地提升了目標(biāo)檢測的效率。因此,本文針對道路裂縫檢測過程中存在的問題構(gòu)建了一種多視角卷積網(wǎng)絡(luò)(Multi-PerNet)來提取遙感影像的特征,并基于Faster R-CNN框架,使用該網(wǎng)絡(luò)訓(xùn)練遙感影像道路裂縫目標(biāo)的檢測模型。在模型訓(xùn)練過程中,先對影像進(jìn)行增強(qiáng)處理,并建立樣本集,然后輸入訓(xùn)練樣本影像和影像對應(yīng)的標(biāo)簽,先利用多視角卷積網(wǎng)絡(luò)(Multi-PerNet3)提取輸入影像特征,得到Feature map,利用k-means聚類獲取訓(xùn)練樣本里汽車區(qū)域的面積及寬高比的分布情況,然后基于聚類結(jié)果,利用Faster R-CNN里的區(qū)域生成網(wǎng)絡(luò)生成候選窗口,并將候選窗口映射到Feature map,得到候選窗口的特征,最后將候選窗口及其特征輸入分類器進(jìn)行訓(xùn)練,得到檢測模型。以該模型進(jìn)行檢測實驗,實驗結(jié)果表明:以Multi-PerNet3作為特征提取網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到的模型相比于ZF-net得到的模型,檢測準(zhǔn)確率提升了6.2%;相比于PVANet,檢測準(zhǔn)確率提升1.8%,模型大小減小了26.0%,單張影像的檢測速度為0.06s/張,滿足實時檢測的需求。本文提出的遙感影像下基于多視角卷積神經(jīng)網(wǎng)絡(luò)的道路裂縫檢測方法能實現(xiàn)快速準(zhǔn)確的道路裂縫定位檢測,為道路裂縫危險等級的判斷提供了基礎(chǔ),同時也為道路養(yǎng)護(hù)、道路安全提供一定的基礎(chǔ)。
【學(xué)位授予單位】：武漢科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U418.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁如金;張敏;李世偉;;基于華浩超算平臺遙感影像幾何校正研究——以資源一號02C數(shù)據(jù)為例[J];測繪與空間地理信息;2017年01期

2 馬慧云;吳曉京;趙國慶;姜丙波;;遙感影像反演的霧參數(shù)地區(qū)差異性分析[J];遙感信息;2017年03期

3 雒培磊;李國慶;曾怡;;一種改進(jìn)的基于深度學(xué)習(xí)的遙感影像拼接方法[J];計算機(jī)工程與應(yīng)用;2017年20期

4 鄢詠折;范曉燕;;遙感影像變化監(jiān)測方法簡述[J];城市建設(shè)理論研究(電子版);2017年22期

5 蔡紅s，

本文編號：2690754