基于深度學(xué)習(xí)的遙感圖像道路提取
發(fā)布時(shí)間:2020-12-13 00:10
遙感圖像的道路提取對(duì)于GIS數(shù)據(jù)更新、地圖繪制、路徑分析等具有重要意義。隨著計(jì)算機(jī)技術(shù)和衛(wèi)星等航天技術(shù)的發(fā)展,遙感圖像的獲取越來越容易,圖像中的地物越來越清晰。這為道路提取提供了豐富的地面信息,但同時(shí)也帶來了復(fù)雜背景的干擾,如道路周圍的樹木、城市建筑物、道路上的車輛等,使得道路提取存在一定的難度。傳統(tǒng)的道路提取方法主要是基于人工操作實(shí)現(xiàn)的,該方法在復(fù)雜背景干擾下提取效果較差。針對(duì)這一問題,本文主要從以下四個(gè)方面研究了如何有效地利用大量高分辨率遙感圖像進(jìn)行道路提取:(1)研究了常用的傳統(tǒng)道路提取方法,通過對(duì)卷積神經(jīng)網(wǎng)絡(luò)(CNN)理論的學(xué)習(xí),分析了將其應(yīng)用在道路提取中的優(yōu)勢(shì)。它具有層次化的結(jié)構(gòu)和超強(qiáng)的學(xué)習(xí)表達(dá)能力,能夠從海量的數(shù)據(jù)中自動(dòng)提取道路的特征,適用于復(fù)雜背景環(huán)境下的道路提取。本文將卷積神經(jīng)網(wǎng)絡(luò)引入到道路提取中,在比較了不同分割網(wǎng)絡(luò)的區(qū)別后,本文選擇了一種高效的語義分割網(wǎng)絡(luò)—LinkNet。(2)構(gòu)建了不同背景下的數(shù)據(jù)集,主要覆蓋泰國(guó)、印度、印度尼西亞等國(guó)家,包括城市、鄉(xiāng)村、荒郊、海濱、熱帶雨林等多個(gè)場(chǎng)景。并在深度學(xué)習(xí)平臺(tái)PyTorch上訓(xùn)練調(diào)整參數(shù),使用該數(shù)據(jù)集訓(xùn)練了Unet網(wǎng)絡(luò)和...
【文章來源】:西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:92 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
RGB和HSV模型
( )11 1 1tt t W t tv m J W v t t 1tW W v 中,紫色箭頭代表動(dòng)量法的更新過程,該算法在梯度更新改變,而 NAG 算法在此基礎(chǔ)上加入梯度修正,如紅色箭平穩(wěn),這種改變可以避免梯度變化過快而引起的誤差。圖 2.9 NAG 梯度更新
西安電子科技大學(xué)碩士學(xué)位論文為 CNN,是人工神經(jīng)網(wǎng)絡(luò)的一種,是一種特殊圖像的識(shí)別方式,屬于非常有效前向反饋的網(wǎng)絡(luò)。CNN 主要識(shí)別二維圖形,它對(duì)結(jié)構(gòu)平移、傾斜、比例縮放等變化具有高度不變性。下面分別對(duì)其網(wǎng)絡(luò)結(jié)構(gòu)、傳播過程、損失函數(shù)、核心思想優(yōu)缺點(diǎn)等五個(gè)方面進(jìn)行介紹。2.3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)以經(jīng)典的 Alexnet 為例,其結(jié)構(gòu)如圖 2.11 所示,介紹 CNN 各個(gè)層的原理。
【參考文獻(xiàn)】:
期刊論文
[1]基于全卷積神經(jīng)網(wǎng)絡(luò)的多源高分辨率遙感道路提取[J]. 張永宏,夏廣浩,闞希,何靜,葛濤濤,王劍庚. 計(jì)算機(jī)應(yīng)用. 2018(07)
[2]改進(jìn)角度紋理特征提取高分辨率遙感影像帶狀道路[J]. 林祥國(guó),田雷,王家民,朱先志,李開華. 測(cè)繪科學(xué). 2015(05)
[3]基于圓形模板的高分辨率遙感影像道路半自動(dòng)提取[J]. 譚仁龍,萬幼川,袁芳,李剛. 測(cè)繪通報(bào). 2014(10)
[4]遷移學(xué)習(xí)研究進(jìn)展[J]. 莊福振,羅平,何清,史忠植. 軟件學(xué)報(bào). 2015(01)
[5]一種采用容錯(cuò)寬度Hough變換的路網(wǎng)優(yōu)化方法[J]. 張國(guó)英,宋科科,趙鵬,程金龍. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào). 2014(03)
[6]基于MRF的高分辨率SAR圖像道路網(wǎng)自動(dòng)提取[J]. 程江華,高貴,庫(kù)錫樹,孫即祥. 系統(tǒng)工程與電子技術(shù). 2012(07)
[7]基于k-means聚類算法的研究[J]. 黃韜,劉勝輝,譚艷娜. 計(jì)算機(jī)技術(shù)與發(fā)展. 2011(07)
[8]遙感圖像自動(dòng)道路提取方法綜述[J]. 吳亮,胡云安. 自動(dòng)化學(xué)報(bào). 2010(07)
[9]一種基于Snake模型的遙感影像道路網(wǎng)半自動(dòng)提取方法[J]. 熊立偉,譚紅偉,何亮云,龍?jiān)兰t. 湖南文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2010(02)
[10]高空間分辨率遙感影像分割方法研究綜述[J]. 劉建華,毛政元. 遙感信息. 2009(06)
碩士論文
[1]基于核k均值的高分辨率遙感圖像的道路特征提取研究[D]. 龔金結(jié).杭州電子科技大學(xué) 2013
本文編號(hào):2913512
【文章來源】:西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:92 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
RGB和HSV模型
( )11 1 1tt t W t tv m J W v t t 1tW W v 中,紫色箭頭代表動(dòng)量法的更新過程,該算法在梯度更新改變,而 NAG 算法在此基礎(chǔ)上加入梯度修正,如紅色箭平穩(wěn),這種改變可以避免梯度變化過快而引起的誤差。圖 2.9 NAG 梯度更新
西安電子科技大學(xué)碩士學(xué)位論文為 CNN,是人工神經(jīng)網(wǎng)絡(luò)的一種,是一種特殊圖像的識(shí)別方式,屬于非常有效前向反饋的網(wǎng)絡(luò)。CNN 主要識(shí)別二維圖形,它對(duì)結(jié)構(gòu)平移、傾斜、比例縮放等變化具有高度不變性。下面分別對(duì)其網(wǎng)絡(luò)結(jié)構(gòu)、傳播過程、損失函數(shù)、核心思想優(yōu)缺點(diǎn)等五個(gè)方面進(jìn)行介紹。2.3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)以經(jīng)典的 Alexnet 為例,其結(jié)構(gòu)如圖 2.11 所示,介紹 CNN 各個(gè)層的原理。
【參考文獻(xiàn)】:
期刊論文
[1]基于全卷積神經(jīng)網(wǎng)絡(luò)的多源高分辨率遙感道路提取[J]. 張永宏,夏廣浩,闞希,何靜,葛濤濤,王劍庚. 計(jì)算機(jī)應(yīng)用. 2018(07)
[2]改進(jìn)角度紋理特征提取高分辨率遙感影像帶狀道路[J]. 林祥國(guó),田雷,王家民,朱先志,李開華. 測(cè)繪科學(xué). 2015(05)
[3]基于圓形模板的高分辨率遙感影像道路半自動(dòng)提取[J]. 譚仁龍,萬幼川,袁芳,李剛. 測(cè)繪通報(bào). 2014(10)
[4]遷移學(xué)習(xí)研究進(jìn)展[J]. 莊福振,羅平,何清,史忠植. 軟件學(xué)報(bào). 2015(01)
[5]一種采用容錯(cuò)寬度Hough變換的路網(wǎng)優(yōu)化方法[J]. 張國(guó)英,宋科科,趙鵬,程金龍. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào). 2014(03)
[6]基于MRF的高分辨率SAR圖像道路網(wǎng)自動(dòng)提取[J]. 程江華,高貴,庫(kù)錫樹,孫即祥. 系統(tǒng)工程與電子技術(shù). 2012(07)
[7]基于k-means聚類算法的研究[J]. 黃韜,劉勝輝,譚艷娜. 計(jì)算機(jī)技術(shù)與發(fā)展. 2011(07)
[8]遙感圖像自動(dòng)道路提取方法綜述[J]. 吳亮,胡云安. 自動(dòng)化學(xué)報(bào). 2010(07)
[9]一種基于Snake模型的遙感影像道路網(wǎng)半自動(dòng)提取方法[J]. 熊立偉,譚紅偉,何亮云,龍?jiān)兰t. 湖南文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2010(02)
[10]高空間分辨率遙感影像分割方法研究綜述[J]. 劉建華,毛政元. 遙感信息. 2009(06)
碩士論文
[1]基于核k均值的高分辨率遙感圖像的道路特征提取研究[D]. 龔金結(jié).杭州電子科技大學(xué) 2013
本文編號(hào):2913512
本文鏈接:http://sikaile.net/kejilunwen/daoluqiaoliang/2913512.html
最近更新
教材專著