遙感影像分割是影像解譯與分析任務(wù)的必要過程。近來隨著遙感影像分辨率的提高,以及深度學(xué)習(xí)在特征表達上的優(yōu)勢逐步顯現(xiàn),影像分類與分割不再僅僅依靠光譜信息,而是進一步加入基于表征的影像特征信息,以實現(xiàn)從土地使用分類到對象層次的場景理解的過渡。在這項工作中,以深度網(wǎng)絡(luò)為基礎(chǔ)模型的影像語義分割已成為基于高分辨率遙感影像的高精度自動語義分割的主要研究趨勢,其中基于全卷積神經(jīng)網(wǎng)絡(luò)的語義分割研究在醫(yī)學(xué)影像、街景圖片、遙感影像等領(lǐng)域應(yīng)用廣泛,通過深度全卷積網(wǎng)絡(luò)能夠在無需下采樣、反卷積或者插值的前提下推斷得到全分辨率標(biāo)簽數(shù)據(jù)。為了更好地利用影像特征進行高分辨率遙感影像自動分割,本文提出了一種基于深度殘差網(wǎng)絡(luò)的多尺度語義分割模型,旨在針對小樣本遙感影像數(shù)據(jù)集,提高具有不同尺度分割對象的遙感影像分割精度。首先,將深度殘差網(wǎng)絡(luò)以全卷積網(wǎng)絡(luò)形式應(yīng)用于端到端分割問題,然后針對小樣本數(shù)據(jù)進行隨機多尺度數(shù)據(jù)增強,提高模型分類精度和魯棒性,受限于較粗糙的全卷積網(wǎng)絡(luò)分割結(jié)果,引入Atrous卷積進一步精細化模型特征圖分辨率,進而提高輸出標(biāo)簽圖精度。所提出的方法適用于多尺度高分辨率遙感影像標(biāo)記問題。為了研究多尺度殘差網(wǎng)絡(luò)模型... 

【文章來源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１語義分割輸出示例圖??

圖２．４神經(jīng)網(wǎng)絡(luò)Ｄｒｏｐｏｕｔ演示圖??２．２．２卷積神經(jīng)網(wǎng)絡(luò)??

圖２．５卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖??１１??

【參考文獻】：
期刊論文
[1]結(jié)合區(qū)域增長法和TIN邊緣分割的建筑物立面幾何特征提取[J]. 龐世燕,劉亞文,左志奇,陳正富.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2015(01)
[2]一種結(jié)合多特征的SVM圖像分割方法[J]. 鄧曉飛,徐蔚鴻.  計算機工程與科學(xué). 2013(02)
[3]基于面向?qū)ο笮畔⑻崛〖夹g(shù)的城市用地分類[J]. 周春艷,王萍,張振勇,齊成濤.  遙感技術(shù)與應(yīng)用. 2008(01)
[4]基于相位一致的高分辨率遙感圖像分割方法[J]. 肖鵬峰,馮學(xué)智,趙書河,佘江峰.  測繪學(xué)報. 2007(02)
[5]基于區(qū)域生長的多尺度遙感圖像分割算法[J]. 陳忠,趙忠明.  計算機工程與應(yīng)用. 2005(35)



本文編號：3071124