【摘要】：自從美國(guó)在1972年發(fā)射了地球上首顆陸地觀測(cè)衛(wèi)星以來(lái),包括圖像處理、分類、融合和理解在內(nèi)的各種遙感圖像處理技術(shù)迅速發(fā)展。高分辨率遙感圖像被廣泛應(yīng)用于各個(gè)領(lǐng)域,包括:城市發(fā)展規(guī)劃、基礎(chǔ)地理信息繪圖、環(huán)境監(jiān)測(cè)和評(píng)估、精準(zhǔn)農(nóng)業(yè)和公共信息服務(wù)等。遙感圖像最主要的應(yīng)用目標(biāo)是提取感興趣目標(biāo)的信息,然后識(shí)別該信息以完成圖像理解。道路是交通運(yùn)輸?shù)闹鞲珊突痉绞?對(duì)人類文明的發(fā)展提供了許多的支持。道路提取研究對(duì)于交通管理具有重要意義,包括城市規(guī)劃、道路監(jiān)控、GPS導(dǎo)航、地圖更新、圖像注冊(cè)等。對(duì)高分辨率遙感衛(wèi)星圖像進(jìn)行道路提取不僅是一個(gè)挑戰(zhàn)性極大的研究方向,而且它還具有極大的研究?jī)r(jià)值。在本文中,主要研究的是用卷積神經(jīng)網(wǎng)絡(luò)對(duì)高分遙感圖像道路進(jìn)行分割提取。改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)模型,用呼和浩特城市遙感圖像道路數(shù)據(jù)集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。本文的主要內(nèi)容和結(jié)論如下:(1)經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)模型存在輸出圖像的分辨率降低,圖像上的信息丟失過(guò)多,提取的信息不夠和參數(shù)過(guò)多等缺點(diǎn)。所以本文引入反卷積的概念,將神經(jīng)網(wǎng)絡(luò)的全連接層去掉,用卷積層替代,并在卷積層之后使用反卷積層。反卷積的存在不僅減少了參數(shù)數(shù)量,而且能召回丟失的信息,使得輸出圖像分辨率和原始圖像一樣大。(2)基于卷積神經(jīng)網(wǎng)絡(luò)的高分辨率遙感圖像自動(dòng)道路提取:在本文中,本文制作了中國(guó)內(nèi)蒙古呼和浩特地區(qū)的城市道路遙感數(shù)據(jù)集,訓(xùn)練本文所提出的卷積神經(jīng)網(wǎng)絡(luò),提取城市道路。(3)在實(shí)驗(yàn)過(guò)程中,本文研究了學(xué)習(xí)率、batch_size等超參數(shù)對(duì)模型精度以及訓(xùn)練時(shí)間的影響。然后選擇最優(yōu)模型實(shí)驗(yàn)結(jié)果可知:本文所改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型在訓(xùn)練集的提取精度達(dá)到了93.2%，在驗(yàn)證集的精度達(dá)到了90.1%。(4)使用該模型對(duì)遙感圖像道路進(jìn)行提取,并與其它模型方法的提取效果進(jìn)行對(duì)比。(5)本文通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中卷積層圖像特征的可視化了解神經(jīng)網(wǎng)絡(luò)的圖像特征提取過(guò)程。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP183;TP751
【圖文】：

果對(duì)比逡逑圖１－１技術(shù)路線圖逡逑如圖１－１所示，本文的重點(diǎn)是設(shè)計(jì)一個(gè)卷積神經(jīng)網(wǎng)絡(luò)對(duì)本文制作的遙感道路數(shù)逡逑據(jù)集進(jìn)行道路提取的訓(xùn)練和測(cè)試。其主要分為：卷積神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)、編程實(shí)逡逑現(xiàn)、道路提取實(shí)驗(yàn)、精度評(píng)價(jià)、與其它模型提取結(jié)果對(duì)比這五個(gè)部分。逡逑卷積神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)、編程實(shí)現(xiàn)和道路提取實(shí)驗(yàn)是本文中的重點(diǎn)。其整逡逑體過(guò)程如下所示：逡逑（１）

因?yàn)橹挥幸粋�(gè)卷積核，所以對(duì)于圖像特征的提取肯定是不夠的。因此。我們逡逑可以在對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)的時(shí)候，在每一層網(wǎng)絡(luò)中都設(shè)計(jì)多個(gè)卷積核。例如６４逡逑個(gè)卷積核可以在該層學(xué)習(xí)到圖像的６４個(gè)特征。如圖２－２所示［４２］：逡逑ｆＪ邐＾逡逑（ａ）邐（ｂ）逡逑圖２－２多重卷積結(jié)構(gòu)１４２１逡逑（ａ）為局部連接網(wǎng)絡(luò)；（ｂ）為卷積神經(jīng)網(wǎng)絡(luò)逡逑上圖２－２中，不同的卷積核由具有不同顏色的圓來(lái)表示，并且每個(gè)卷積核在卷逡逑積之后都會(huì)生成特征圖像。在上圖（ａ）的局部連接yL經(jīng)網(wǎng)絡(luò)中，在同一個(gè)感受野只逡逑有一個(gè)提取特征的卷積核，而在右邊圖（ｂ）的多重卷積神經(jīng)網(wǎng)絡(luò)中，可以從同一片逡逑感受野中利用多個(gè)卷積核提取出多個(gè)不同的特征。逡逑２．１．３卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)逡逑隨著深度學(xué)習(xí)的研宄者對(duì)神經(jīng)網(wǎng)絡(luò)不斷的改進(jìn)研宄，出現(xiàn)了非常多的網(wǎng)絡(luò)模逡逑型，他們都有相似的組成部分。卷積神經(jīng)網(wǎng)絡(luò)通常都由輸入層、激活函數(shù)、卷積逡逑層、池化層和全連接層等構(gòu)成。其結(jié)構(gòu)如圖２－３所示：逡逑１２逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐南;周紹光;;基于圖像分塊和線段投票的遙感道路邊緣線提取[J];國(guó)土資源遙感;2015年01期

2 周紹光;陳超;赫春曉;;基于形狀先驗(yàn)和Graph Cuts原理的道路分割新方法[J];測(cè)繪通報(bào);2013年12期

3 曾發(fā)明;楊波;吳德文;唐攀科;張建國(guó);張鴻鍵;;基于Canny邊緣檢測(cè)算子的礦區(qū)道路提取[J];國(guó)土資源遙感;2013年04期

4 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

5 程江華;高貴;庫(kù)錫樹(shù);孫即祥;;SAR圖像道路網(wǎng)提取方法綜述[J];中國(guó)圖象圖形學(xué)報(bào);2013年01期

6 吳學(xué)文;徐涵秋;;一種基于水平集方法提取高分辨率遙感影像中主要道路信息的算法[J];宇航學(xué)報(bào);2010年05期

7 徐鵬;王以寧;;國(guó)內(nèi)人工智能教育應(yīng)用研究現(xiàn)狀與反思[J];現(xiàn)代遠(yuǎn)距離教育;2009年05期

8 曹揚(yáng);洪金益;;基于統(tǒng)計(jì)分析的遙感圖像分類方法[J];西部探礦工程;2008年04期

9 朱長(zhǎng)青,王耀革,馬秋禾,史文中;基于形態(tài)分割的高分辨率遙感影像道路提取[J];測(cè)繪學(xué)報(bào);2004年04期

10 文貢堅(jiān),王潤(rùn)生,nudt.edu.cn;從航空遙感圖像中自動(dòng)提取主要道路[J];軟件學(xué)報(bào);2000年07期

相關(guān)碩士學(xué)位論文 前5條

1 鐘傳琦;基于深度學(xué)習(xí)的高分辨率遙感影像道路自動(dòng)提取研究[D];電子科技大學(xué);2018年

2 劉文濤;基于卷積神經(jīng)網(wǎng)絡(luò)的城市區(qū)域建筑物自動(dòng)提取研究[D];電子科技大學(xué);2018年

3 劉健;基于深度學(xué)習(xí)的溯源視頻目標(biāo)檢測(cè)與識(shí)別[D];東南大學(xué);2016年

4 周昀罡;基于知識(shí)的道路信息提取方法研究[D];四川師范大學(xué);2013年

5 潘婷婷;數(shù)學(xué)形態(tài)學(xué)和分水嶺算法在遙感圖像目標(biāo)識(shí)別中的應(yīng)用研究[D];江南大學(xué);2008年

本文編號(hào)：2730870