隨著數(shù)據(jù)量的爆炸式增長和計算機硬件水平和運算能力的提升,以卷積神經(jīng)網(wǎng)絡（CNN）為主體框架的深度學習逐漸發(fā)展起來,并在多個領域取得了較好的應用。圖像中裂縫的自動識別,無論在道路或隧道維護還是對于裂縫型油氣藏的探測等方面都起著至關重要的作用,因此將卷積神經(jīng)網(wǎng)絡應用于裂縫圖像的識別也頗具意義。本文工作主要分為三方面:第一,針對CNN中優(yōu)化算法存在的一些不足,提出了將遺傳思想與梯度下降法相結合的進化梯度算法,并在卷積神經(jīng)網(wǎng)絡應用于手寫體識別的實驗中驗證了該方法的可行性和優(yōu)越性;第二,將提出的進化梯度算法應用于裂縫圖像的識別,并基于裂縫圖像的顏色變化和圖像中裂縫形狀的特性,提出了改進的超像素分割算法,用于對裂縫圖像中裂縫位置和形狀等基本信息的提取;第三,為實現(xiàn)裂縫圖像端對端的識別過程,使用了基于卷積神經(jīng)網(wǎng)絡的語義分割算法Segnet對裂縫圖像進行訓練學習,并在訓練之前使用數(shù)據(jù)增強技術建立了大規(guī)模的帶有精準標簽的裂縫數(shù)據(jù)庫,用于解決裂縫圖像訓練集過少的問題,訓練結果良好,可直接得到裂縫圖像中裂縫的準確位置信息。總體上,本文提出的改進CNN在處理手寫數(shù)字識別和裂縫圖像識別方面取得了較好的效果,并利... 

【文章來源】：中國石油大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

傳統(tǒng)卷積神經(jīng)網(wǎng)絡對圖像的識別與FCN對圖像的語義分割的對比[19]

中國石油大學（北京）碩士學位論文-7-圖2.2U-NET的網(wǎng)絡結構展示[27]Fig.2.2U-NETnetworkstructure圖2.3各個領域基于卷積神經(jīng)網(wǎng)絡的語義分割方法[29]Fig.2.3ASurveyofSemanticSegmentationMethodsBasedonConvolutionalNeuralNetworksinVariousFields

中國石油大學（北京）碩士學位論文-7-圖2.2U-NET的網(wǎng)絡結構展示[27]Fig.2.2U-NETnetworkstructure圖2.3各個領域基于卷積神經(jīng)網(wǎng)絡的語義分割方法[29]Fig.2.3ASurveyofSemanticSegmentationMethodsBasedonConvolutionalNeuralNetworksinVariousFields

【參考文獻】：
期刊論文
[1]自適應深度卷積神經(jīng)網(wǎng)絡模型構建方法[J]. 鄒國鋒,傅桂霞,王科俊,高明亮,申晉.  北京郵電大學學報. 2017(04)
[2]卷積神經(jīng)網(wǎng)絡的研究進展綜述[J]. 楊斌,鐘金英.  南華大學學報(自然科學版). 2016(03)
[3]基于DCNN的圖像語義分割綜述[J]. 魏云超,趙耀.  北京交通大學學報. 2016(04)
[4]基于圖像處理的地鐵隧道裂縫識別算法研究[J]. 王耀東,余祖俊,白彪,許西寧,朱力強.  儀器儀表學報. 2014(07)
[5]測井及地震裂縫識別研究進展[J]. 孫煒,李玉鳳,付建偉,李天義.  地球物理學進展. 2014(03)
[6]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)
[7]基于圖像局部網(wǎng)格特征的隧道襯砌裂縫自動識別[J]. 王平讓,黃宏偉,薛亞東.  巖石力學與工程學報. 2012(05)

博士論文
[1]基于路面高精三維圖像的裂縫自動識別與分類算法[D]. 彭博.西南交通大學 2014

碩士論文
[1]卷積神經(jīng)網(wǎng)絡在圖像分類中的應用研究[D]. 吳正文.電子科技大學 2015



本文編號：3237193