近年來(lái),伴隨著我國(guó)城鎮(zhèn)化進(jìn)程的不斷推進(jìn),拆遷、棚戶改造、市政工程等項(xiàng)目日益增多,城市面臨的建筑垃圾管理不當(dāng)?shù)膯?wèn)題愈顯突出。不規(guī)范的建筑垃圾堆放不僅會(huì)帶來(lái)安全隱患,同時(shí)也會(huì)造成嚴(yán)重的環(huán)境污染。針對(duì)建筑垃圾堆存的監(jiān)管排查工作是建筑垃圾治理的重點(diǎn)任務(wù)之一,目前主要采用實(shí)地檢查和現(xiàn)場(chǎng)測(cè)量相結(jié)合的形式。但這種方法存在時(shí)效性差,人力?物力?財(cái)力消耗大等問(wèn)題。遙感對(duì)地觀測(cè)技術(shù)具有遠(yuǎn)距離探測(cè)?大面積覆蓋?重訪周期短等優(yōu)勢(shì),目前已在建筑垃圾堆存監(jiān)測(cè)領(lǐng)域展開(kāi)應(yīng)用。并且,隨著以神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)的發(fā)展,其在遙感圖像處理、識(shí)別等方面取得了較好的應(yīng)用成效。因此,本文研究將深度學(xué)習(xí)的方法應(yīng)用于建筑垃圾堆存的遙感識(shí)別中,圍繞2個(gè)方面開(kāi)展研究:一是針對(duì)建筑垃圾遙感數(shù)據(jù)集樣本不足問(wèn)題,使用改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)了建筑垃圾遙感圖像樣本的擴(kuò)充;二是利用遷移學(xué)習(xí)手段實(shí)現(xiàn)了建筑垃圾遙感圖像語(yǔ)義分割,為建筑垃圾堆存的遙感識(shí)別研究提供技術(shù)支持�，F(xiàn)就主要開(kāi)展的研究工作簡(jiǎn)述如下:(1)首先對(duì)三種經(jīng)典的遙感識(shí)別方法研究現(xiàn)狀進(jìn)行了梳理�；谙裨倪b感地物識(shí)別,僅利用了圖像的光譜信息,不能充分利用影像的上下文信息,提取精度較差;面向?qū)ο蟮倪b感地物識(shí)別,其分割得到的圖像往往不能比較精準(zhǔn)的表示整個(gè)物體,從而影響識(shí)別精度;基于深度學(xué)習(xí)語(yǔ)義分割的遙感提取方法是熱門(mén)研究方向,可以解決以上兩種方法的問(wèn)題,但需要大量數(shù)據(jù)樣本提供支持。(2)通過(guò)對(duì)三種遙感識(shí)別方式的研究,本文選取了基于語(yǔ)義分割的遙感識(shí)別方式,并開(kāi)展了制作建筑垃圾堆存樣本集的工作。選取高分二號(hào)2018年9月5日北京南部區(qū)域5景圖像,經(jīng)預(yù)處理與剪裁后,共選取956張,尺寸為512×512像素的圖片作為樣本集原圖。經(jīng)實(shí)地調(diào)研與影像特征解譯,制定了語(yǔ)義分割實(shí)驗(yàn)的6種類別,通過(guò)人工標(biāo)注,得到了原圖對(duì)應(yīng)標(biāo)簽,為今后實(shí)驗(yàn)研究積累了樣本數(shù)據(jù)。(3)基于改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)進(jìn)行樣本生成實(shí)驗(yàn)。生成對(duì)抗網(wǎng)絡(luò)由生成模型和判別模型組成。本文根據(jù)可提取特征的LBP算子改進(jìn)了生成模型損失函數(shù),并且在模型訓(xùn)練的時(shí)候引入?yún)?shù)遷移學(xué)習(xí)的思想,提高了模型對(duì)重點(diǎn)特征的學(xué)習(xí)能力。實(shí)驗(yàn)使用956張樣本集原圖進(jìn)行訓(xùn)練,結(jié)果顯示生成圖像對(duì)比原圖的最高均方誤差(MSE)、峰值信噪比(PSNR)分別達(dá)到12.9873與5838.7155,相較于原始網(wǎng)絡(luò)小幅提升,且生成樣本顏色與紋理符合客觀現(xiàn)實(shí),可以實(shí)現(xiàn)數(shù)據(jù)集的有效擴(kuò)充。(4)基于遷移學(xué)習(xí)的建筑垃圾語(yǔ)義分割研究。研究中遷移學(xué)習(xí)采用的預(yù)訓(xùn)練模型為DeepLabV3模型,該模型包含空洞卷積、ASPP池化,以及骨干網(wǎng)絡(luò)ResNet。研究共包含三個(gè)實(shí)驗(yàn):實(shí)驗(yàn)一選擇以ResNet-50為骨干網(wǎng)絡(luò)的DeepLab模型作為預(yù)訓(xùn)練模型進(jìn)行建筑垃圾語(yǔ)義分割;實(shí)驗(yàn)二使用實(shí)驗(yàn)一訓(xùn)練后模型進(jìn)行不同層參數(shù)遷移實(shí)驗(yàn);實(shí)驗(yàn)三使用實(shí)驗(yàn)一訓(xùn)練后模型以及本文生成樣本進(jìn)行樣本遷移實(shí)驗(yàn)。實(shí)驗(yàn)一結(jié)果表明,平均交并比mIoU為75.32%,存在裸地被誤判的情況,總體符合建筑垃圾遙感識(shí)別要求。實(shí)驗(yàn)二結(jié)果表明參數(shù)遷移方法可提升平均交并比mIoU(最高為78.12%),若樣本量不足時(shí),可適當(dāng)進(jìn)行參數(shù)遷移學(xué)習(xí)達(dá)到一定精度;實(shí)驗(yàn)三結(jié)果表明使用生成樣本方法獲得樣本參與分割網(wǎng)絡(luò)的訓(xùn)練,可以在一定程度上提升建筑垃圾分割算法的語(yǔ)義分割精度;對(duì)于建筑垃圾分割研究,生成樣本與真實(shí)樣本比例為1:3為佳。
【學(xué)位單位】：北京建筑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2020
【中圖分類】：X799.1;X87
【部分圖文】：

類再利用，其余建筑垃圾將被不規(guī)范的堆放，甚至被隨意地亂倒偷倒，如圖1（a）所示。這些垃圾在侵占了一定數(shù)量的土地的同時(shí)，通過(guò)長(zhǎng)時(shí)間裸露在地表上，經(jīng)過(guò)太陽(yáng)暴曬、雨水浸泡，有害微生物的分解與發(fā)酵等，垃圾中的有毒物質(zhì)與土壤中的有機(jī)物質(zhì)發(fā)生反應(yīng)，產(chǎn)生大量的有害污染物，經(jīng)地表漫流，污染土壤、地表水、地下水，其危害性不容忽視。(a)侵占河道的建筑垃圾[2](a)Constructionwasteencroachingonrivercourses(b)2006-2018年中國(guó)建筑垃圾產(chǎn)生量[3](b)China"sconstructionwasteproductionfrom2006to2018圖1-1違規(guī)建筑垃圾與中國(guó)建筑垃圾產(chǎn)量Fig.1-1IllegalconstructionwasteandconstructionwasteproductioninChina目前，針對(duì)建筑垃圾堆存的監(jiān)管排查主要采用實(shí)地訪問(wèn)和現(xiàn)場(chǎng)測(cè)量等形式，這種方法存在很多不足：第一，時(shí)效性差，采取每年或者每月若干次監(jiān)管排查的方式不能做到建筑垃圾的快速檢測(cè)；第二，人工實(shí)地調(diào)查會(huì)耗費(fèi)大量的人力物力財(cái)力，并且不能做到全方位無(wú)遺漏的排查而對(duì)地觀測(cè)遙感技術(shù)具有遠(yuǎn)距離探測(cè)大面積覆蓋重訪周期短等特點(diǎn)[4]，不僅可以快速發(fā)現(xiàn)建筑垃圾是否清運(yùn)，掌握其堆放面積等現(xiàn)狀信息，還可以監(jiān)測(cè)違規(guī)堆放的處理進(jìn)度，實(shí)現(xiàn)動(dòng)態(tài)跟蹤監(jiān)測(cè)。已有不少學(xué)者使用遙感數(shù)據(jù)進(jìn)行建筑垃圾監(jiān)測(cè)，文獻(xiàn)[1]采用北京1號(hào)小衛(wèi)星實(shí)現(xiàn)了非正規(guī)垃圾場(chǎng)的監(jiān)測(cè)。文獻(xiàn)[5]中北京市針對(duì)300平方米以上的1.2萬(wàn)多處的重點(diǎn)拆違項(xiàng)目開(kāi)展每月一次遙感監(jiān)測(cè)。而機(jī)器學(xué)習(xí)應(yīng)用不斷擴(kuò)展，利用高分辨率遙感影像數(shù)據(jù)及4.75.526.066.758.129.7711.2112.9714.3214.214.4915.9317.0402468101214161820062007200820092010201120122013201420152016201720182006-2018年中國(guó)建筑垃圾產(chǎn)生量（單位：億噸）

第2章研究區(qū)概況與實(shí)驗(yàn)數(shù)據(jù)11圖2-1實(shí)驗(yàn)數(shù)據(jù)位置示意圖Fig.2-1Experimentaldatalocationdiagram2.2實(shí)驗(yàn)數(shù)據(jù)與建筑垃圾特征2.2.1實(shí)驗(yàn)數(shù)據(jù)本研究采用的遙感數(shù)據(jù)為高分二號(hào)L1A級(jí)數(shù)據(jù)，衛(wèi)星參數(shù)如表2-2所示。成像時(shí)間包括2017年5月14日與2018年9月5日共5景圖像，單幅遙感圖像如2-2所示。數(shù)據(jù)包括全色波段和4個(gè)多光譜波段，數(shù)據(jù)參數(shù)如表2-3所示。圖像裁剪尺寸為256×256。表2-2高分二號(hào)衛(wèi)星參數(shù)Table2-2GF-2satelliteparameters參數(shù)指標(biāo)軌道類型太陽(yáng)同步回歸軌道軌道高度631km軌道傾角97.9090°降交點(diǎn)地方時(shí)10:30AM回歸周期69天單景面積約500平方公里

第2章研究區(qū)概況與實(shí)驗(yàn)數(shù)據(jù)12表2-3高分二號(hào)衛(wèi)星傳感數(shù)據(jù)Table2-3GF-2satellitesensingdata載荷譜段號(hào)譜段范圍（μm）空間分辨率（m）幅寬（km）側(cè)擺能力重訪時(shí)間（天）全色10.45~0.90145±35°（機(jī)動(dòng)35°的時(shí)間≤180秒）多光5譜20.45~0.52430.52~0.5940.63~0.6950.77~0.89圖2-2高分二號(hào)影像L1A0002808485Fig.2-2GF-2imageL1A0002808485本文另外還使用UCMercedLandUseDataset遙感樣本集[62]作為補(bǔ)充實(shí)驗(yàn)UCMercedLandUseDataset數(shù)據(jù)集，用于研究目的的21級(jí)土地利用圖像遙感數(shù)據(jù)集，于2010年10月28日由UCMerced計(jì)算機(jī)視覺(jué)實(shí)驗(yàn)室發(fā)布圖像取自USGSNationalMap
【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 張方利;杜世宏;郭舟;;應(yīng)用高分辨率影像的城市固體廢棄物提取[J];光譜學(xué)與光譜分析;2013年08期

2 劉亞嵐;任玉環(huán);魏成階;汪愛(ài)華;周會(huì)珍;遲耀斌;;北京1號(hào)小衛(wèi)星監(jiān)測(cè)非正規(guī)垃圾場(chǎng)的應(yīng)用研究[J];遙感學(xué)報(bào);2009年02期

3 陳文凱;何少林;張景發(fā);周中紅;郭曉寧;;利用遙感技術(shù)提取震害信息方法的研究進(jìn)展[J];西北地震學(xué)報(bào);2008年01期

相關(guān)博士學(xué)位論文 前2條

1 鮑建敏;基于生成對(duì)抗網(wǎng)絡(luò)的圖像合成[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

2 趙福軍;遙感影像震害信息提取技術(shù)研究[D];中國(guó)地震局工程力學(xué)研究所;2010年

相關(guān)碩士學(xué)位論文 前6條

1 陳夢(mèng);基于深度學(xué)習(xí)的建筑物震害遙感識(shí)別研究[D];中國(guó)地震局地震預(yù)測(cè)研究所;2019年

2 楊壯;面向Bin Picking的虛擬數(shù)據(jù)集構(gòu)建及智能識(shí)別方法的研究[D];華東理工大學(xué);2019年

3 陳俊;基于R-YOLO的多源遙感圖像海面目標(biāo)融合檢測(cè)算法研究[D];華中科技大學(xué);2019年

4 肖莎;基于機(jī)器學(xué)習(xí)的高分辨率遙感影像城市固廢檢測(cè)[D];福州大學(xué);2018年

5 劉雪龍;面向?qū)ο蟮倪b感影像工業(yè)固體廢物信息提取方法研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2013年

6 柳稼航;利用遙感技術(shù)進(jìn)行城市建筑物震害的自動(dòng)識(shí)別與分類方法研究[D];中國(guó)地震局地質(zhì)研究所;2003年

本文編號(hào)：2875898