發(fā)布時(shí)間：2020-06-12 08:52

【摘要】：遙感影像可以迅速準(zhǔn)確的提供大范圍地理信息,影像中包含的地物種類豐富多樣、信息量巨大,各類信息價(jià)值較高,廣泛的應(yīng)用于國(guó)民經(jīng)濟(jì)建設(shè)、城市現(xiàn)代化建設(shè)、環(huán)境保護(hù)與環(huán)境監(jiān)測(cè)、災(zāi)害預(yù)測(cè)與防災(zāi)減災(zāi)、農(nóng)業(yè)生產(chǎn)等領(lǐng)域。隨著低空輕小型無(wú)人機(jī)遙感系統(tǒng)的出現(xiàn),實(shí)現(xiàn)了測(cè)繪需求快速獲取小范圍區(qū)域的高分辨率遙感影像,技術(shù)適用面更廣,很好的補(bǔ)充和完善了現(xiàn)今航空遙感監(jiān)測(cè)體系。遙感影像的獲取技術(shù)發(fā)展迅速,但是傳統(tǒng)的遙感影像信息處理和檢測(cè)的算法研究進(jìn)展比較緩慢。為應(yīng)對(duì)日趨復(fù)雜的遙感影像中的地物場(chǎng)景情況,在傳統(tǒng)遙感影像地物檢測(cè)方法基礎(chǔ)上推陳出新,實(shí)現(xiàn)地物信息檢測(cè)的快速化、智能化、自動(dòng)化和遙感影像中地物信息的有效利用一直是當(dāng)今遙感技術(shù)中主要研究方向之一。而近幾年來(lái)迅速發(fā)展的卷積神經(jīng)網(wǎng)絡(luò)算法在目標(biāo)檢測(cè)領(lǐng)域應(yīng)用成果顯著。本文通過(guò)對(duì)當(dāng)前主流卷積神經(jīng)網(wǎng)絡(luò)知識(shí)的研究,將卷積神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于無(wú)人機(jī)影像中建筑物的檢測(cè),論文主要工作總結(jié)如下:(1)介紹了卷積神經(jīng)網(wǎng)絡(luò)發(fā)展過(guò)程和基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)及基本工作原理,并對(duì)目前卷積神經(jīng)網(wǎng)絡(luò)中具有代表性的R-CNN、SPPNet、Fast R-CNN、Faster R-CNN、Mask R-CNN幾種算法的核心原理和基本的檢測(cè)過(guò)程進(jìn)行了闡述。針對(duì)本文選取的Mask R-CNN算法的核心優(yōu)勢(shì)點(diǎn)進(jìn)行了重點(diǎn)闡述。最后通過(guò)對(duì)不同算法網(wǎng)絡(luò)結(jié)構(gòu)和實(shí)驗(yàn)結(jié)果的對(duì)比分析,對(duì)算法的網(wǎng)絡(luò)構(gòu)建原理有了更加深入的理解。逡逡(2)本文在經(jīng)典Mask R-CNN算法網(wǎng)絡(luò)模型的研究基礎(chǔ)上結(jié)合了建筑物在無(wú)人機(jī)影像中的特征屬性和檢測(cè)的特殊性問(wèn)題,對(duì)建立的建筑物檢測(cè)模型做出了相應(yīng)的調(diào)整。首先將模型訓(xùn)練樣本的制作與無(wú)人機(jī)航測(cè)內(nèi)業(yè)的實(shí)際生產(chǎn)過(guò)程相結(jié)合基本實(shí)現(xiàn)了與Mask-RCNN算法端到端的訓(xùn)練過(guò)程,解決了海量深度學(xué)習(xí)訓(xùn)練數(shù)據(jù)集獲取和制作的難題;其次選取了適合的建筑物特征檢測(cè)器又對(duì)特征檢測(cè)網(wǎng)絡(luò)層數(shù)進(jìn)行了精簡(jiǎn),通過(guò)實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)當(dāng)模型的特征提取網(wǎng)絡(luò)層數(shù)精簡(jiǎn)為6層時(shí),模型的檢測(cè)性能最佳,減少了特征提取過(guò)程產(chǎn)生的冗余信息,達(dá)到節(jié)省空間成本提升算法效率的作用;最后利用模型檢測(cè)結(jié)果提取出了建筑物的大致輪廓。逡(3)通過(guò)測(cè)試樣本數(shù)據(jù)對(duì)本文建立的建筑物檢測(cè)模型測(cè)試,實(shí)驗(yàn)結(jié)果表明:本文改進(jìn)的Mask R-CNN檢測(cè)模型能夠有效的檢測(cè)出無(wú)人機(jī)影像中的各類建筑物,基于模型檢測(cè)結(jié)果的建筑物輪廓提取優(yōu)化算法能夠提取出建筑物的大致輪廓。建立的檢測(cè)模型有較好的檢測(cè)速度和精度,算法具有一定的穩(wěn)定性、泛化性,所得到的建筑物檢測(cè)模型檢測(cè)效果能夠達(dá)到預(yù)期要求。
【學(xué)位授予單位】：東華理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：P237

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 楊貴寶;李瑞俊;高霞;;基于Snake和動(dòng)態(tài)規(guī)劃優(yōu)化的屋頂輪廓提取算法[J];內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

2 黃凱奇;任偉強(qiáng);譚鐵牛;;圖像物體分類與檢測(cè)算法綜述[J];計(jì)算機(jī)學(xué)報(bào);2014年06期

3 李德仁;李明;;無(wú)人機(jī)遙感系統(tǒng)的研究進(jìn)展與應(yīng)用前景[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年05期

4 鄭胤;陳權(quán)崎;章毓晉;;深度學(xué)習(xí)及其在目標(biāo)和行為識(shí)別中的新進(jìn)展[J];中國(guó)圖象圖形學(xué)報(bào);2014年02期

5 余凱;賈磊;陳雨強(qiáng);徐偉;;深度學(xué)習(xí)的昨天、今天和明天[J];計(jì)算機(jī)研究與發(fā)展;2013年09期

6 張俊;于慶國(guó);侯家槐;;面向?qū)ο蟮母叻直媛视跋穹诸惻c信息提取[J];遙感技術(shù)與應(yīng)用;2010年01期

7 徐煒君;劉國(guó)忠;;空間域和頻域結(jié)合的圖像增強(qiáng)技術(shù)及實(shí)現(xiàn)[J];中國(guó)測(cè)試;2009年04期

8 閆友彪,陳元琰;機(jī)器學(xué)習(xí)的主要策略綜述[J];計(jì)算機(jī)應(yīng)用研究;2004年07期

，

本文編號(hào)：2709295