基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像道路提取研究
發(fā)布時間：2021-01-29 19:02
高分辨率遙感影像是地球表面地物的綜合反映,通過圖像分析和信息提取等技術(shù)對影像中的信息進行分析處理,進而服務(wù)于地理信息系統(tǒng)、智慧城市建設(shè)、智能交通系統(tǒng)等領(lǐng)域。隨著經(jīng)濟的發(fā)展,人口的增加,使得城市交通變得便捷但又很擁擠,因此道路網(wǎng)的提取分析是一項有意義的工作。面對海量復(fù)雜的遙感數(shù)據(jù),如何快速、有效地提取道路是一項亟待解決的問題。深度學(xué)習(xí)在圖像處理方面取得很大的成功,它可以直接從標(biāo)記的訓(xùn)練樣本中學(xué)習(xí),提取不同層次的圖像特征,以便對輸入圖像中的研究對象更深入學(xué)習(xí)。本文對如何自動提取遙感影像中道路進行了深入系統(tǒng)的分析研究,分析了前人的研究成果,設(shè)計了一種新的道路提取的方法,主要工作如下:1)本文首先概述了遙感影像道路提取的研究現(xiàn)狀,分析了傳統(tǒng)的道路提取方法和基于深度學(xué)習(xí)方法進行道路提取的優(yōu)缺點。闡述了高分辨率遙感影像進行道路提取的難點,提出一種基于多尺度特征融合的深度學(xué)習(xí)的方法。多尺度卷積神經(jīng)網(wǎng)絡(luò)模型主要由一個編碼模塊和一個解碼模塊組成,首先利用多個卷積池化層對圖像進行編碼提取圖像的全局特征,然后在解碼階段利用反卷積層對不同尺度特征圖進行提取,最后將不同尺度特征圖進行融合得到最終的道路提取圖。2...
【文章來源】：湘潭大學(xué)湖南省
【文章頁數(shù)】：59 頁
【學(xué)位級別】：碩士
【部分圖文】：
經(jīng)典道路模型
圖 1.2 遙感影像道路提取困難場景舉例1.2.2 遙感影像道路數(shù)據(jù)集2013 年，Mnih[6]等人公開了三個與遙感圖像相關(guān)的數(shù)據(jù)集。其中兩個數(shù)據(jù)集是基于馬薩諸塞州發(fā)布的影像制作的數(shù)據(jù)集，第三個數(shù)據(jù)集制作時使用的是紐約發(fā)布的布法羅城市的影像。以上三個數(shù)據(jù)集的真值圖都是利用 OpenStreetMap 工具進行導(dǎo)出標(biāo)注的�；隈R薩諸塞州發(fā)布的影像制作的數(shù)據(jù)集通常被叫做 Massachusetts 數(shù)據(jù)集，包括一個道路數(shù)據(jù)集和一個建筑物數(shù)據(jù)集。Massachusetts 建筑物數(shù)據(jù)集收集了 151 幅波士頓地區(qū)的航空影像，圖像大小為 1500×1500，所有影像的分辨率都是 1m。影像隨機分為 137 幅訓(xùn)練數(shù)據(jù)、10 幅測試數(shù)據(jù)和 4 幅驗證數(shù)據(jù)。該數(shù)據(jù)集主要覆蓋了城市和郊區(qū)，包含不同大小的建筑物，例如：車庫和房屋。Massachusetts 道路數(shù)據(jù)集由 1171 幅馬薩諸塞州的航空圖像組成，與建筑物數(shù)據(jù)集一樣，每幅影像的大小為 1500×1500，所有影像的分辨率都是 1m。將數(shù)據(jù)隨機分為 1108 幅訓(xùn)練數(shù)據(jù)、49 幅測試數(shù)據(jù)和 14 幅驗證數(shù)據(jù)。數(shù)據(jù)集涵蓋了城市、郊區(qū)和
5圖 1.3 Massachusetts 道路數(shù)據(jù)集樣例2017 年，Cheng[7]等人在 Google Earth 上收集了 224 張高分辨率遙感影像，并手動標(biāo)記出遙感影像中的道路分割真值圖，本文稱為 Cheng’s 數(shù)據(jù)集。該數(shù)據(jù)集中道路較為密集，道路寬度大約占 12-15 個像素點。數(shù)據(jù)集大部分原始圖像都有著復(fù)雜的背景且一些影像存在車輛樹木的遮擋，利用該數(shù)據(jù)集進行道路提取任務(wù)時較困難。圖 1.4 給出了 Cheng’s 數(shù)據(jù)集中一些原始影像和對應(yīng)真值圖的樣例。從圖中可以看出該數(shù)據(jù)集覆蓋了郊區(qū)和城市等地區(qū)。郊區(qū)的道路比較狹窄，背景占比更大。城市道路較為寬廣，但周邊存在很多建筑物，易使它們的光譜特征產(chǎn)生混淆。
【參考文獻】：
期刊論文
[1]A review of road extraction from remote sensing images[J]. Weixing Wang,Nan Yang,Yi Zhang,Fengping Wang,Ting Cao,Patrik Eklund. Journal of Traffic and Transportation Engineering（English Edition）. 2016(03)
[2]一種高分辨率影像道路中心線提取算法[J]. 苗則朗,史文中,張華. 中國礦業(yè)大學(xué)學(xué)報. 2013(05)
本文編號：3007429
【文章來源】：湘潭大學(xué)湖南省
【文章頁數(shù)】：59 頁
【學(xué)位級別】：碩士
【部分圖文】：
經(jīng)典道路模型
圖 1.2 遙感影像道路提取困難場景舉例1.2.2 遙感影像道路數(shù)據(jù)集2013 年，Mnih[6]等人公開了三個與遙感圖像相關(guān)的數(shù)據(jù)集。其中兩個數(shù)據(jù)集是基于馬薩諸塞州發(fā)布的影像制作的數(shù)據(jù)集，第三個數(shù)據(jù)集制作時使用的是紐約發(fā)布的布法羅城市的影像。以上三個數(shù)據(jù)集的真值圖都是利用 OpenStreetMap 工具進行導(dǎo)出標(biāo)注的�；隈R薩諸塞州發(fā)布的影像制作的數(shù)據(jù)集通常被叫做 Massachusetts 數(shù)據(jù)集，包括一個道路數(shù)據(jù)集和一個建筑物數(shù)據(jù)集。Massachusetts 建筑物數(shù)據(jù)集收集了 151 幅波士頓地區(qū)的航空影像，圖像大小為 1500×1500，所有影像的分辨率都是 1m。影像隨機分為 137 幅訓(xùn)練數(shù)據(jù)、10 幅測試數(shù)據(jù)和 4 幅驗證數(shù)據(jù)。該數(shù)據(jù)集主要覆蓋了城市和郊區(qū)，包含不同大小的建筑物，例如：車庫和房屋。Massachusetts 道路數(shù)據(jù)集由 1171 幅馬薩諸塞州的航空圖像組成，與建筑物數(shù)據(jù)集一樣，每幅影像的大小為 1500×1500，所有影像的分辨率都是 1m。將數(shù)據(jù)隨機分為 1108 幅訓(xùn)練數(shù)據(jù)、49 幅測試數(shù)據(jù)和 14 幅驗證數(shù)據(jù)。數(shù)據(jù)集涵蓋了城市、郊區(qū)和
5圖 1.3 Massachusetts 道路數(shù)據(jù)集樣例2017 年，Cheng[7]等人在 Google Earth 上收集了 224 張高分辨率遙感影像，并手動標(biāo)記出遙感影像中的道路分割真值圖，本文稱為 Cheng’s 數(shù)據(jù)集。該數(shù)據(jù)集中道路較為密集，道路寬度大約占 12-15 個像素點。數(shù)據(jù)集大部分原始圖像都有著復(fù)雜的背景且一些影像存在車輛樹木的遮擋，利用該數(shù)據(jù)集進行道路提取任務(wù)時較困難。圖 1.4 給出了 Cheng’s 數(shù)據(jù)集中一些原始影像和對應(yīng)真值圖的樣例。從圖中可以看出該數(shù)據(jù)集覆蓋了郊區(qū)和城市等地區(qū)。郊區(qū)的道路比較狹窄，背景占比更大。城市道路較為寬廣，但周邊存在很多建筑物，易使它們的光譜特征產(chǎn)生混淆。
【參考文獻】：
期刊論文
[1]A review of road extraction from remote sensing images[J]. Weixing Wang,Nan Yang,Yi Zhang,Fengping Wang,Ting Cao,Patrik Eklund. Journal of Traffic and Transportation Engineering（English Edition）. 2016(03)
[2]一種高分辨率影像道路中心線提取算法[J]. 苗則朗,史文中,張華. 中國礦業(yè)大學(xué)學(xué)報. 2013(05)
本文編號：3007429
本文鏈接：http://sikaile.net/kejilunwen/daoluqiaoliang/3007429.html
教材專著
