發(fā)布時(shí)間：2020-09-21 19:26

　　 高分辨率遙感影像能夠反映下墊面豐富的細(xì)節(jié)信息,為地表特征信息的提取提供了可靠的數(shù)據(jù)源。源于城市的高度復(fù)雜性,城市建筑物信息的提取一直是基于高分辨率遙感影像信息提取的熱點(diǎn)和難點(diǎn)。對(duì)城市建筑物的精確提取有利于高分遙感在城市規(guī)劃、智慧城市建設(shè)等領(lǐng)域的深入應(yīng)用和擴(kuò)展。面向?qū)ο蟮某鞘薪ㄖ镄畔⑻崛》椒ㄔ趯?shí)際應(yīng)用中存在精度不高、后處理工作量大等局限,而近年來深度學(xué)習(xí)技術(shù)的發(fā)展為提升城市建筑物信息提取的精度提供了可能。深度卷積神經(jīng)網(wǎng)絡(luò)可以通過從大量圖像構(gòu)成的數(shù)據(jù)集中自動(dòng)學(xué)習(xí)到圖像中目標(biāo)的高級(jí)抽象特征,從而完成圖像的目標(biāo)識(shí)別與分割,如FCN、U-Net和SegNet等。城市建筑物在高分影像中存在復(fù)雜的特征信息,構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)若能充分學(xué)習(xí)和融合影像中隱含的建筑物高級(jí)特征信息,并將其用于影像分類,必將提高基于高分影像進(jìn)行建筑物信息提取的精度�；诖�,本文分析了FCN、U-Net、SegNet的優(yōu)點(diǎn)與不足,在U-Net網(wǎng)絡(luò)的基礎(chǔ)上,通過融合多個(gè)級(jí)別的特征層,構(gòu)建了一種多級(jí)特征參與決策的全卷積神經(jīng)網(wǎng)絡(luò)算法。利用公開的Mnih建筑物數(shù)據(jù)集對(duì)本網(wǎng)絡(luò)進(jìn)行測(cè)試,在交并比等精度指標(biāo)上均能達(dá)到80%以上,明顯優(yōu)于U-Net與SegNet的建筑物提取結(jié)果。為充分利用GF-2衛(wèi)星影像的全色和多光譜數(shù)據(jù),本文設(shè)計(jì)了單輸入和雙輸入兩種模型,其中雙輸入模型可以綜合學(xué)習(xí)兩個(gè)分辨率數(shù)據(jù)中的特征,能夠?qū)Τ鞘薪ㄖ镄畔⑦M(jìn)行學(xué)習(xí)和融合。通過與面向?qū)ο蟮腉F-2影像建筑物提取結(jié)果進(jìn)行對(duì)比,表明,無論是單輸入模型還是雙輸入模型,其建筑物提取結(jié)果的精確率、召回率和交并比均有較大幅度提升。其中雙輸入模型的建筑物提取精確率和交并比指標(biāo)較單輸入模型分別提高5.51%和5.78%。這表明,本文所設(shè)計(jì)的多級(jí)特征參與決策的全卷積神經(jīng)網(wǎng)絡(luò)算法及雙輸入模型,能夠有效提升城市建筑物信息提取的精度,為城市建筑物信息的規(guī)�；崛√峁┯行У耐緩�。
【學(xué)位單位】：北京建筑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：P237
【部分圖文】：

圖 1-1 城市建筑物信息提取技術(shù)流程Fig.1-1 Technological flowchart of Information Extraction of Urban Buildings（1）深入研究 FCN、SegNet、U-Net 三個(gè)語義分割網(wǎng)絡(luò)，分析這三個(gè)網(wǎng)絡(luò)結(jié)點(diǎn)，進(jìn)而通過加強(qiáng)網(wǎng)絡(luò)中不同級(jí)別特征的融合對(duì) U-Net 進(jìn)行了改進(jìn)，構(gòu)建了基征參與決策的全卷積神經(jīng)網(wǎng)絡(luò)。利用公開的 Mnih 建筑物數(shù)據(jù)集，對(duì)基于 Seet 和改進(jìn)的 U-Net 進(jìn)行了模型訓(xùn)練與建筑物信息提取，實(shí)驗(yàn)結(jié)果表明，本文構(gòu)模型，能夠增強(qiáng)模型訓(xùn)練的魯棒性并在一定程度上提高建筑物提取精度，并且同級(jí)別、不同尺度的特征融合進(jìn)網(wǎng)絡(luò)的決策層中對(duì)大尺度建筑物的完整提取更（2）基于本文構(gòu)建的網(wǎng)絡(luò)對(duì)長春城區(qū)的 GF-2 衛(wèi)星影像進(jìn)行城區(qū)建筑物信息利用 GF-2 衛(wèi)星影像全色和多光譜數(shù)據(jù)，將改進(jìn)的 U-Net 模型設(shè)計(jì)為單輸入和種模型。通過訓(xùn)練 0.8 米分辨率的建筑物影像數(shù)據(jù)集，得到可用于高分影像城提取的單輸入網(wǎng)絡(luò)模型。鑒于 3.2 米分辨率的多光譜影像可以模糊城區(qū)建筑物些細(xì)節(jié)，使城區(qū)建筑物單體在影像上具有較小的光譜異質(zhì)性，因此本文將單輸雙輸入模型，將 3.2 米分辨率的訓(xùn)練數(shù)據(jù)集輸入網(wǎng)絡(luò)，結(jié)合已有的 0.8 米訓(xùn)練數(shù)

6圖 1-2 論文結(jié)構(gòu)框架圖.1-2 Structural Framework of th題來源與原因，闡明了深現(xiàn)狀的總結(jié)介紹為本研究論文結(jié)構(gòu)。所用到的基本理論，即深念與卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖習(xí)機(jī)理。模型的改進(jìn)，先分析了幾

第 2 章 深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)創(chuàng)造的全卷積神經(jīng)網(wǎng)絡(luò)(FCN)[49]成為當(dāng)年最先進(jìn)的語義分割技術(shù)，繼而各國學(xué)者們又研究出更多用于圖像語義分割的深度神經(jīng)網(wǎng)絡(luò)，如 U-Net[50]、SegNet[51]等。全卷積神經(jīng)網(wǎng)絡(luò)屬于卷積神經(jīng)網(wǎng)絡(luò)中的一類算法集合，由于其利用卷積層等效代替了全連接層，使得網(wǎng)絡(luò)中全部為卷積層，因而叫全卷積神經(jīng)網(wǎng)絡(luò)。2.2 卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)一個(gè)完整的卷積神經(jīng)網(wǎng)絡(luò)需要有幾類層構(gòu)成，主要包括卷積層、池化層、全連接層、激活層等（如圖 2-1 所示）[52]。卷積層是網(wǎng)絡(luò)的核心層，它負(fù)責(zé)特征提��；池化層是網(wǎng)絡(luò)下采樣結(jié)構(gòu)的關(guān)鍵，它可以使輸入圖像的尺寸迅速縮小，從而減小內(nèi)存占用和特征冗余；全連接層可以將網(wǎng)絡(luò)最終學(xué)習(xí)到的特征圖映射為一個(gè)高維特征向量作為分類器的輸入；激活層將可訓(xùn)練層的輸出通過一個(gè)非線性函數(shù)達(dá)到對(duì)某些神經(jīng)元的抑制。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;成都市人民政府辦公廳關(guān)于印發(fā)成都市城市建筑物和公共設(shè)施清潔管理規(guī)定的通知[J];成都市人民政府公報(bào);2017年01期

2 劉克俊;;《能源與城市建筑物型式》[J];中國能源;1989年04期

3 鄧顯皇;關(guān)于城市建筑物名稱管理的思考[J];中國地名;1997年04期

4 ;城市建筑物為什么會(huì)呼嘯?[J];工程質(zhì)量;2006年11期

5 張瑋明;;城市建筑物名稱亟待規(guī)范[J];社會(huì)工作;2004年12期

6 楊程;;城市建筑物光污染與控制措施[J];工程設(shè)計(jì)與研究;2011年01期

7 黃彥,劉軍,楊春宇;重慶、成都、瀘州三城市建筑物景觀照明比較研究[J];燈與照明;2005年03期

8 王平;城市建筑物防震方法淺析[J];甘肅科技縱橫;2005年03期

9 馬麗宣;宋愛蘋;;淺析我國城市建筑物停車配建指標(biāo)制定思路[J];價(jià)值工程;2012年03期

10 張國庭;楊威;劉丙周;;地面數(shù)字電視廣播信號(hào)在城市建筑物密集地區(qū)的傳播特性[J];廣播與電視技術(shù);2006年12期

相關(guān)會(huì)議論文 前10條

1 銀霞;;城市建筑物普查實(shí)施思路與流程研究——以深圳市建筑物普查為例[A];廣東省測(cè)繪學(xué)會(huì)第九次會(huì)員代表大會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2010年

2 徐慶;朱微;;城市建筑物變形監(jiān)測(cè)方法、精度等級(jí)的確定與數(shù)據(jù)分析[A];第三屆長三角科技論壇（測(cè)繪分論壇）暨'2006江蘇省測(cè)繪學(xué)術(shù)年會(huì)論文集[C];2006年

3 董興武;馬清;劉淑永;;城市建筑物停車配建研究[A];規(guī)劃創(chuàng)新：2010中國城市規(guī)劃年會(huì)論文集[C];2010年

4 張一平;何云玲;竇軍霞;劉玉洪;馬友鑫;;城市建筑物外壁表面熱力效應(yīng)研究—建筑物外墻壁面與地面的熱力效應(yīng)比較[A];生態(tài)學(xué)與全面·協(xié)調(diào)·可持續(xù)發(fā)展——中國生態(tài)學(xué)會(huì)第七屆全國會(huì)員代表大會(huì)論文摘要薈萃[C];2004年

5 范恩榮;;城市建筑物防噪聲方法[A];絕熱材料的前景與施工[C];2002年

6 蔡惟鑫;羅仁安;;城市重要建筑物在營運(yùn)中結(jié)構(gòu)安全的長期連續(xù)監(jiān)控與損傷診斷評(píng)估[A];2007中國科協(xié)年會(huì)專題論壇暨第四屆湖北科技論壇優(yōu)秀論文集[C];2007年

7 蔡惟鑫;羅仁安;;城市重要建筑物在營運(yùn)中結(jié)構(gòu)安全的長期連續(xù)監(jiān)控與損傷診斷評(píng)估[A];2007中國科協(xié)年會(huì)專題論壇暨第四屆湖北科技論壇“湖北省防災(zāi)減災(zāi)與應(yīng)急管理體系建設(shè)”分論壇論文集[C];2007年

8 張會(huì)寧;張一平;周躍;彭貴芬;;城市建筑物外表面對(duì)其近旁大氣間的熱量傳遞研究[A];中國氣象學(xué)會(huì)2007年年會(huì)氣候變化分會(huì)場(chǎng)論文集[C];2007年

9 周榮衛(wèi);蔣維楣;何曉鳳;;城市建筑物動(dòng)力冠層方案的建立及應(yīng)用研究[A];中國氣象學(xué)會(huì)2007年年會(huì)氣候?qū)W分會(huì)場(chǎng)論文集[C];2007年

10 陳燕;蔣維楣;顧駿強(qiáng);許遐禎;;杭州城市建筑物對(duì)邊界層結(jié)構(gòu)的影響[A];第四屆長三角科技論壇論文集（下冊(cè)）[C];2007年

相關(guān)重要報(bào)紙文章 前8條

1 綜合;城市建筑物不能想拆就拆[N];中華建筑報(bào);2009年

2 孟堅(jiān);北京城市建筑物要定期“美容”[N];中國證券報(bào);2000年

3 王進(jìn)　何子蕊 (本報(bào)記者 王進(jìn));成都推動(dòng)城市建筑物“綠色革新”[N];中國改革報(bào);2014年

4 記者 拓玲 實(shí)習(xí)生 邢文捷;城市建筑物密集區(qū)應(yīng)綠化屋頂[N];西安日?qǐng)?bào);2013年

5 本報(bào)記者 李藝;平?jīng)龀鞘薪ㄖ铩罢荨鞭k法出臺(tái)[N];平?jīng)鋈請(qǐng)?bào);2008年

6 記者 王茸;開臟車上路最高罰款2000元[N];南京日?qǐng)?bào);2015年

7 倪寒霞邋實(shí)習(xí)生 朱麗珍;市城管局開展城市建筑物外立面整治[N];金華日?qǐng)?bào);2008年

8 記者 馬芳;《呼和浩特市城市建筑物和構(gòu)筑物外立面保潔管理規(guī)定》開始執(zhí)行[N];呼和浩特日?qǐng)?bào)(漢);2007年

相關(guān)碩士學(xué)位論文 前6條

1 李志強(qiáng);基于深度學(xué)習(xí)的城市建筑物提取方法研究[D];北京建筑大學(xué);2019年

2 梁成;基于掃描曲面的城市建筑場(chǎng)景實(shí)時(shí)生成和渲染[D];華南理工大學(xué);2010年

3 馬麗宣;城市建筑物停車配建標(biāo)準(zhǔn)理論框架體系研究[D];南京林業(yè)大學(xué);2006年

4 關(guān)宇;基于GIS的城市建筑物防震減災(zāi)及輔助分析系統(tǒng)[D];北京工業(yè)大學(xué);2005年

5 鄒平;城市建筑物三維可視化研究[D];華東師范大學(xué);2005年

6 王巖;城市建筑物的色彩在繪畫中的概括與表達(dá)[D];中央美術(shù)學(xué)院;2011年

本文編號(hào)：2823895