深度學(xué)習(xí)通過訓(xùn)練樣本進(jìn)行特征識(shí)別,已經(jīng)被廣泛應(yīng)用于道路提取領(lǐng)域。該方法不局限于特定類型的影像,但是受訓(xùn)練樣本數(shù)量和計(jì)算機(jī)硬件的限制,所提取的道路會(huì)有斷裂和噪聲。針對(duì)上述問題,使用VGG卷積神經(jīng)網(wǎng)絡(luò)對(duì)道路進(jìn)行初步提取后引入張量投票方法進(jìn)行優(yōu)化處理。首先通過影像變換、隨機(jī)裁剪、過采樣等方法對(duì)樣本進(jìn)行多模式擴(kuò)充,進(jìn)而訓(xùn)練VGG卷積神經(jīng)網(wǎng)絡(luò)模型;其次利用該網(wǎng)絡(luò)從原始影像中初步分割道路面,接著對(duì)道路面的二值影像進(jìn)行張量投票獲取道路的顯著性信息;最后在特征提取時(shí)針對(duì)顯著性信息加入閾值獲取道路面。實(shí)驗(yàn)結(jié)果表明,所提方法提取道路的召回率與正確率均達(dá)90%以上,與其他傳統(tǒng)方法相比具有更高的精度,驗(yàn)證了所提方法的有效性。 

【文章來源】：激光與光電子學(xué)進(jìn)展. 2020,57(20)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

技術(shù)路線圖

圖1 技術(shù)路線圖卷積是相鄰兩個(gè)平面的映射關(guān)系[13]，通過卷積運(yùn)算增加影像的某些特征，同時(shí)降低噪聲，達(dá)到特征提取的目的。卷積神經(jīng)網(wǎng)絡(luò)的一大優(yōu)勢為局部連接和權(quán)值共享，研究人員發(fā)現(xiàn)貓?jiān)诟兄饨邕^程中只有部分神經(jīng)元會(huì)有作用，局部感知受到啟發(fā)后提出局部連接。以圖2過程為例，第一個(gè)卷積層的輸入影像的大小為96×96，將輸入層的3×3個(gè)像素與卷積核相乘后獲取下一隱藏層的單個(gè)神經(jīng)元，在輸入影像上以一個(gè)步長為單位按照從左到右、從上到下的順序移動(dòng)卷積核，對(duì)邊緣區(qū)域采取補(bǔ)零的措施，進(jìn)而得到大小不變的卷積層。一個(gè)卷積層通常包含多個(gè)特征圖，每張?zhí)卣鲌D上權(quán)值相同，也就是權(quán)值共享，通過權(quán)值共享降低了網(wǎng)絡(luò)模型的復(fù)雜度[14]，通過不斷地卷積獲取的特征層次將越來越高。卷積處理時(shí)從輸入到輸出遵循的公式為

投票完成后，通過（3）式對(duì)所有張量進(jìn)行特征分解，可以獲取道路點(diǎn)與交叉口的顯著性信息。張量投票特征提取的過程就是求取顯著性信息局部極大值的過程，因此提取出的結(jié)果為道路中心線。由于前期卷積處理結(jié)果存在斷裂和孔洞，因此原始張量投票提取中心線的過程經(jīng)常發(fā)生偏移甚至斷裂。有鑒于此，在對(duì)顯著性信息進(jìn)行特征提取時(shí)使用閾值參考代替極值線，獲取有寬度的道路面。（λN1-λN2）代表特征分解時(shí)N點(diǎn)的棒張量顯著性，顯示了曲線特征，與閾值相乘后可進(jìn)一步將道路面和非道路面區(qū)分開，表達(dá)式為

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)最大期望聚類的遙感影像道路提取算法[J]. 張宗軍,楊風(fēng)暴.  激光與光電子學(xué)進(jìn)展. 2020(06)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的孤立詞語音識(shí)別[J]. 侯一民,李永平.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(06)
[3]高速鐵路場景的分割與識(shí)別算法[J]. 王洋,朱力強(qiáng),余祖俊,郭保青.  光學(xué)學(xué)報(bào). 2019(06)
[4]一種高分辨率遙感圖像道路自動(dòng)提取方法[J]. 魏清,艾玲梅,葉雪娜.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(06)
[5]結(jié)合全卷積神經(jīng)網(wǎng)絡(luò)與條件隨機(jī)場的資源3號(hào)遙感影像云檢測[J]. 裴亮,劉陽,高琳.  激光與光電子學(xué)進(jìn)展. 2019(10)
[6]多特征約束的高分辨率光學(xué)遙感影像道路提取[J]. 戴激光,杜陽,方鑫鑫,王楊,苗志鵬.  遙感學(xué)報(bào). 2018(05)
[7]基于畫作線條結(jié)構(gòu)分解的高清古畫修復(fù)[J]. 馬偉,龍晴晴,秦悅,徐士彪,張曉鵬.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(09)
[8]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)
[9]城市道路的多特征多核SVM提取方法[J]. 李洪川,楚恒,霍英海.  測繪通報(bào). 2018(02)
[10]基于雙重閾值和張量投票的表面裂紋檢測算法[J]. 李慧嫻,張斌,劉丹,楊騰達(dá),宋文豪,李峰宇.  激光與光電子學(xué)進(jìn)展. 2018(05)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星影像道路網(wǎng)自動(dòng)提取方法研究[D]. 粟佩康.廈門大學(xué) 2017
[2]張量投票算法及其應(yīng)用[D]. 秦菁.華東師范大學(xué) 2008



本文編號(hào)：3495741