圖像的語(yǔ)義分割（Semantic Segmentation）技術(shù)已經(jīng)成為計(jì)算機(jī)視覺(jué)領(lǐng)域的熱點(diǎn)研究方向,其研究成果能夠有效地應(yīng)用到地圖重建、人臉識(shí)別以及無(wú)人駕駛等領(lǐng)域中。目前,現(xiàn)有的語(yǔ)義分割網(wǎng)絡(luò)較多,隨著語(yǔ)義分割技術(shù)的不斷發(fā)展和完善,在公開(kāi)數(shù)據(jù)集上的分割精度也不斷提高。隨著遙感圖像獲取途徑的增多,需求量越來(lái)越大,如何有效提高高分辨率遙感城市道路圖像的分割精度是本文研究的主要問(wèn)題。本文在研究了遙感城市道路圖像中道路類型的復(fù)雜性、形態(tài)多樣性以及紋理多元性等原因?qū)е路诸惥容^低的難點(diǎn)問(wèn)題之后,分析研究了現(xiàn)有分割算法的可行性,首先分析了基于圖切算法的交互式圖像分割技術(shù),并將其應(yīng)用到對(duì)可見(jiàn)光圖像與遙感城市道路圖像的分割處理中。實(shí)驗(yàn)結(jié)果表明,對(duì)可見(jiàn)光圖像的分割精度要比遙感圖像高很多,原因是遙感城市道路圖像分辨率高、道路特征復(fù)雜。很多的紋理和細(xì)節(jié)信息對(duì)分割產(chǎn)生干擾。為了有效的提高對(duì)高分辨率遙感城市道路圖像的分割精度,本文進(jìn)一步提出了基于Deeplabv3+網(wǎng)絡(luò)模型的分割方式對(duì)其進(jìn)行分割,首先使用基于BN（Batch Normalization）層下Deeplabv3+網(wǎng)絡(luò)進(jìn)行語(yǔ)義分割實(shí)驗(yàn),然后再對(duì)網(wǎng)絡(luò)... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題來(lái)源
    1.2 本課題研究目的和意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 本文的主要研究?jī)?nèi)容
2 遙感城市道路圖像分割相關(guān)技術(shù)
    2.1 遙感城市道路圖像分割技術(shù)介紹
    2.2 基于圖切算法的交互式圖像分割技術(shù)
    2.3 卷積神經(jīng)網(wǎng)絡(luò)概述
    2.4 遙感城市道路圖像分割精度評(píng)價(jià)指標(biāo)
    2.5 本章小結(jié)
3 基于Deeplabv3+的遙感城市道路圖像分割
    3.1 Deeplabv3+概述
    3.2 基于BN下的Deeplabv3+的遙感城市道路圖像分割
    3.3 結(jié)果分析
    3.4 本章小結(jié)
4 基于改進(jìn)的Deeplabv3+的遙感城市道路圖像分割
    4.1 神經(jīng)網(wǎng)絡(luò)中歸一化層GN介紹
    4.2 基于GN下的Deeplabv3+的遙感城市道路圖像分割
    4.3 實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
5 實(shí)驗(yàn)結(jié)果與分析
    5.1 數(shù)據(jù)集制作
    5.2 tensorflow下網(wǎng)絡(luò)模型和參數(shù)配置
    5.3 實(shí)驗(yàn)結(jié)果對(duì)比分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 論文的主要工作
    6.2 需要進(jìn)一步研究的內(nèi)容
致謝
參考文獻(xiàn)
附錄 攻讀碩士學(xué)位期間項(xiàng)目參與情況


【參考文獻(xiàn)】：
期刊論文
[1]高分辨率遙感影像道路提取[J]. 李美玲,付慧,王曉晶,張金金.  遙感信息. 2016(02)
[2]國(guó)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(yáng),李潤(rùn)生.  影像技術(shù). 2016(02)
[3]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)
[4]基于地理國(guó)情普查高分辨率遙感影像的道路提取方法研究[J]. 顧劍華,孫鑫,李紅.  測(cè)繪與空間地理信息. 2014(06)
[5]高分遙感影像道路提取方法研究[J]. 孫傲.  湖南農(nóng)機(jī). 2013(11)
[6]淺析數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用[J]. 肖大雪.  科技廣場(chǎng). 2013(05)
[7]不同尺度下高分辨率遙感影像道路信息提取[J]. 沈占鋒,駱劍承,郜麗靜,劉雯.  四川師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(06)
[8]遙感影像上基于特征的道路提取方法[J]. 吳冰,張占睦,秦志遠(yuǎn),杜丹.  測(cè)繪學(xué)院學(xué)報(bào). 2004(03)

碩士論文
[1]多源遙感圖像的多尺度特征提取和融合方法研究[D]. 顧琳.北方工業(yè)大學(xué) 2015
[2]基于Hough變換的高分辨率遙感影像道路提取[D]. 安麗.東華理工大學(xué) 2015
[3]高分辨率遙感影像中的道路信息提取與表達(dá)方法研究[D]. 李建飛.湖南工業(yè)大學(xué) 2015
[4]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(guó)地質(zhì)大學(xué)(北京) 2015
[5]多尺度城市道路高分辨率遙感影像提取方法研究[D]. 姚琴風(fēng).太原理工大學(xué) 2015
[6]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(guó)礦業(yè)大學(xué) 2014
[7]高分辨率遙感影像道路提取方法研究[D]. 靳彩嬌.解放軍信息工程大學(xué) 2013
[8]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
[9]高分辨率遙感影像城區(qū)道路提取方法研究[D]. 周安發(fā).中南大學(xué) 2012
[10]中高分辨率遙感影像道路提取技術(shù)研究[D]. 胥亞.解放軍信息工程大學(xué) 2012



本文編號(hào)：3193963