發(fā)布時(shí)間：2022-01-06 21:41

　　基于深度學(xué)習(xí)方法,采用Pytorch框架搭建U-Net網(wǎng)絡(luò)模型,進(jìn)行了遙感影像建筑物提取研究。首先以建筑物為目標(biāo),構(gòu)建基于光學(xué)遙感影像的建筑物樣本庫,然后進(jìn)行網(wǎng)絡(luò)訓(xùn)練建立深度學(xué)習(xí)模型,并對樣本庫更新進(jìn)行模型優(yōu)化,最后用優(yōu)化后的模型進(jìn)行建筑物提取,并與最大似然法、支持向量機(jī)法（SVM）進(jìn)行對比。結(jié)果表明:在訓(xùn)練數(shù)據(jù)集充足的情況下,使用深度學(xué)習(xí)對臺前縣建筑物提取總體精度為94. 3%、Kappa系數(shù)為0. 83,羅山縣總體精度為97. 5%、Kappa系數(shù)為0. 75,均高于傳統(tǒng)方法,說明利用深度學(xué)習(xí)的方法進(jìn)行建筑物提取具有一定的有效性和適用性。 

【文章來源】：河南城建學(xué)院學(xué)報(bào). 2020,29(04)

【文章頁數(shù)】：6 頁

【部分圖文】：

深度學(xué)習(xí)結(jié)構(gòu)圖

U-Net分割網(wǎng)絡(luò)模型是深度學(xué)習(xí)方法中一個(gè)重要的分割方法，其產(chǎn)生于2015年，由Ronneberger等[12]人提出的一種類FCN新網(wǎng)絡(luò)分割模型，最初主要用于醫(yī)學(xué)影像的分割。隨著算法的深入研究，也廣泛應(yīng)用于其他方面，如圖像變換等。圖2為U-Net網(wǎng)絡(luò)結(jié)構(gòu)圖。U-Net網(wǎng)絡(luò)的結(jié)構(gòu)是對稱的，形似英文字母U，所以被稱為U-Net。其網(wǎng)絡(luò)結(jié)構(gòu)由兩部分組成:搜索路徑和擴(kuò)展路徑。搜索路徑主要是用來捕捉圖片中的上下文信息，對輸入的影像進(jìn)行卷積和池化操作，得到高維的特征金字塔。擴(kuò)展路徑則是為了對圖片中所需要分割出來的部分進(jìn)行精準(zhǔn)定位。對影像進(jìn)行反卷積和上采樣操作，最后得到與輸入影像尺寸相同的影像輸出。從圖2可以看出，整張圖都是由藍(lán)/白色框與各種顏色的箭頭組成。其中，藍(lán)/白色框表示特征圖;藍(lán)色箭頭表示3×3卷積，用于特征提取;灰色箭頭表示跳躍連接，用于特征融合;紅色箭頭表示池化，用于降低維度;綠色箭頭表示上采樣，用于恢復(fù)影像尺寸;青色箭頭表示1×1卷積，用于輸出結(jié)果。

裁剪試驗(yàn)圖

【參考文獻(xiàn)】：
期刊論文
[1]高分辨率影像建筑物提取方法對比[J]. 秦夢宇,趙赫.  科技創(chuàng)新與應(yīng)用. 2020(10)
[2]基于深度學(xué)習(xí)的高分辨率遙感圖像建筑物識別[J]. 宋廷強(qiáng),李繼旭,張信耶.  計(jì)算機(jī)工程與應(yīng)用. 2020(08)
[3]一種改進(jìn)的Unet建筑物變化檢測方法[J]. 沈旭東,吳湘蓮,雷英棟.  電子制作. 2020(01)
[4]基于高分衛(wèi)星遙感影像的城市建筑物提取研究[J]. 于書媛,駱佳驥,楊源源.  華南地震. 2019(02)
[5]基于深度學(xué)習(xí)的高分遙感影像鄉(xiāng)鎮(zhèn)建筑物識別方法[J]. 王利忠,張宏海,仲波,牛鐵.  科研信息化技術(shù)與應(yīng)用. 2019(01)
[6]基于資源一號02C衛(wèi)星影像的稀土礦區(qū)地物提取研究[J]. 朱元峰,況潤元,張剛?cè)A.  江西理工大學(xué)學(xué)報(bào). 2018(03)
[7]多特征融合的高分辨率遙感影像建筑物分級提取[J]. 林雨準(zhǔn),張保明,王丹菂,陳小衛(wèi),徐俊峰.  中國圖象圖形學(xué)報(bào). 2017(12)

碩士論文
[1]面向?qū)ο蠼Y(jié)合支持向量機(jī)（SVM）在露天礦區(qū)信息提取中的應(yīng)用研究[D]. 程璐.青海大學(xué) 2017



本文編號：3573219