近年來,我國(guó)不斷加大基礎(chǔ)建設(shè)的力度,完善路網(wǎng)體系,如何快速地通過遙感影像進(jìn)行道路提取就成為了一個(gè)重要的研究?jī)?nèi)容,有著巨大的應(yīng)用價(jià)值。而現(xiàn)有的道路提取方法仍然存在著提取精度不夠高、自動(dòng)化程度低以及需要大量標(biāo)記數(shù)據(jù)的問題�；谏鲜鰡栴},本文受生成對(duì)抗網(wǎng)絡(luò)圖像轉(zhuǎn)換任務(wù)啟發(fā),將遙感圖像道路提取視作一種圖像轉(zhuǎn)換任務(wù),提出一種基于生成對(duì)抗網(wǎng)絡(luò)的遙感圖像道路提取方法,可以在精度保持在較高水平的情況下解決目前研究中存在的數(shù)據(jù)標(biāo)記與數(shù)據(jù)預(yù)處理過多與自動(dòng)化程度不夠高的問題。本文工作總結(jié)如下:第一,針對(duì)地圖風(fēng)格圖像的生成任務(wù),使用基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的方法進(jìn)行相應(yīng)的地圖風(fēng)格圖像生成的實(shí)驗(yàn)。本實(shí)驗(yàn)是作為遙感圖像道路提取的先驗(yàn)實(shí)驗(yàn),用于驗(yàn)證地圖風(fēng)格圖像生成的可行性。實(shí)驗(yàn)結(jié)果表明,可以使用生成對(duì)抗網(wǎng)絡(luò)進(jìn)行地圖風(fēng)格圖像的生成,為后文研究提供了有力的支撐。第二,針對(duì)成對(duì)數(shù)據(jù)遙感圖像的道路提取任務(wù)提出了一種基于Pix2pix生成對(duì)抗網(wǎng)絡(luò)的遙感圖像道路提取方法。道路提取任務(wù)可以被當(dāng)作一種特殊的圖像轉(zhuǎn)換,首先通過使用生成對(duì)抗網(wǎng)絡(luò)將遙感圖像轉(zhuǎn)化為對(duì)應(yīng)的地圖風(fēng)格的圖像,隨后可以通過簡(jiǎn)單的RGB值判定與形態(tài)學(xué)處理的方法提取路... 

【文章來源】：中國(guó)地質(zhì)大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像風(fēng)格轉(zhuǎn)換示例

中國(guó)地質(zhì)大學(xué)（北京）工程碩士學(xué)位論文9來分別使用不同的數(shù)據(jù)域作為輸入圖像與輸出圖像，減少誤差映射空間，降低模型崩潰的問題。此外，還有DiscoGAN和DualGAN等網(wǎng)絡(luò)，也豐富了解決這類威尼托的方法（Kim，2017；Yietal，2017）1.4相關(guān)技術(shù)研究1.4.1自編碼器自編碼器（Auto-encoder）是一種非監(jiān)督算法，它的輸出結(jié)果可以認(rèn)為是對(duì)輸入數(shù)據(jù)的還原，從另一角度來說它也是一種壓縮算法和解壓縮算法。與生成對(duì)抗網(wǎng)絡(luò)相同，自編碼器同樣是生成算法的一種，研究自編碼器的原理對(duì)理解生成對(duì)抗網(wǎng)絡(luò)有很大的幫助。自編碼器在其發(fā)展過程中，大量的學(xué)者對(duì)其不斷優(yōu)化，應(yīng)用范圍也不斷擴(kuò)展。自編碼器的概念是Rumelhart等1986年提出的（Rumelhartetal，1986）。自編碼器的結(jié)構(gòu)可以簡(jiǎn)單視為一個(gè)三層的網(wǎng)絡(luò)。如圖1-2所示，編碼器h將輸入X編碼為X’，即h(X)=X’;而解碼器f將X’解碼還原為原始數(shù)據(jù)X。整個(gè)過程是X=f(X’)=f(h(X))。圖1-2自編碼器的結(jié)構(gòu)

緒論10可以看到，編碼器的輸出和輸入是一致的，但是在實(shí)際應(yīng)用中，自編碼器的輸入和輸出不應(yīng)被設(shè)計(jì)為完全一致，否則這意味著自編器沒有任何作用。應(yīng)該使得輸入數(shù)據(jù)近似于輸入數(shù)據(jù)，這需要加入一些約束條件。這些約束條件迫使自編碼器去思考保留哪些特征，學(xué)習(xí)哪些特征，因而能夠更加快速地去學(xué)習(xí)有效特征，忽略無效特征。而隨著研究的深入，自編碼器也得到了極大的發(fā)展，出現(xiàn)了多種多樣的自編碼器，比如去噪自編碼器（DenoisingAutoencoder,DAE）（Vincentetal，2008）、稀疏自編碼器（SparseAutoencoder,SAE）（Dengetal，2013）和變分自編碼器（VariationalAutoencoder,VAE）（Kingmaetal，2014）等。1.4.2變分自編碼器變分自編碼器（VariationalAuto-encoder，VAE）是一種基于變分貝葉斯推斷的生成式網(wǎng)絡(luò)結(jié)構(gòu)。它的結(jié)構(gòu)如圖1-3所示，變分自編碼器分別建立了兩個(gè)概率分布模型，都是神經(jīng)網(wǎng)絡(luò)模型。第一個(gè)是推斷網(wǎng)絡(luò)，對(duì)原始輸入數(shù)據(jù)進(jìn)行變分推斷，生成變分概率分布，也就是隱變量Z；第二個(gè)是生成網(wǎng)絡(luò)，利用隱變量Z的變分概率分布，來生成與原始數(shù)據(jù)類似的數(shù)據(jù)分布輸出。圖1-3變分自編碼器結(jié)構(gòu)


本文編號(hào)：3562214