發(fā)布時間：2020-12-13 00:10

　　遙感圖像的道路提取對于GIS數(shù)據(jù)更新、地圖繪制、路徑分析等具有重要意義。隨著計算機技術(shù)和衛(wèi)星等航天技術(shù)的發(fā)展,遙感圖像的獲取越來越容易,圖像中的地物越來越清晰。這為道路提取提供了豐富的地面信息,但同時也帶來了復雜背景的干擾,如道路周圍的樹木、城市建筑物、道路上的車輛等,使得道路提取存在一定的難度。傳統(tǒng)的道路提取方法主要是基于人工操作實現(xiàn)的,該方法在復雜背景干擾下提取效果較差。針對這一問題,本文主要從以下四個方面研究了如何有效地利用大量高分辨率遙感圖像進行道路提取:（1）研究了常用的傳統(tǒng)道路提取方法,通過對卷積神經(jīng)網(wǎng)絡（CNN）理論的學習,分析了將其應用在道路提取中的優(yōu)勢。它具有層次化的結(jié)構(gòu)和超強的學習表達能力,能夠從海量的數(shù)據(jù)中自動提取道路的特征,適用于復雜背景環(huán)境下的道路提取。本文將卷積神經(jīng)網(wǎng)絡引入到道路提取中,在比較了不同分割網(wǎng)絡的區(qū)別后,本文選擇了一種高效的語義分割網(wǎng)絡—LinkNet。（2）構(gòu)建了不同背景下的數(shù)據(jù)集,主要覆蓋泰國、印度、印度尼西亞等國家,包括城市、鄉(xiāng)村、荒郊、海濱、熱帶雨林等多個場景。并在深度學習平臺PyTorch上訓練調(diào)整參數(shù),使用該數(shù)據(jù)集訓練了Unet網(wǎng)絡和... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【部分圖文】：

RGB和HSV模型

( )11 1 1tt t W t tv m J W v t t 1tW W v 中，紫色箭頭代表動量法的更新過程，該算法在梯度更新改變，而 NAG 算法在此基礎(chǔ)上加入梯度修正，如紅色箭平穩(wěn)，這種改變可以避免梯度變化過快而引起的誤差。圖 2.9 NAG 梯度更新

西安電子科技大學碩士學位論文為 CNN，是人工神經(jīng)網(wǎng)絡的一種，是一種特殊圖像的識別方式，屬于非常有效前向反饋的網(wǎng)絡。CNN 主要識別二維圖形，它對結(jié)構(gòu)平移、傾斜、比例縮放等變化具有高度不變性。下面分別對其網(wǎng)絡結(jié)構(gòu)、傳播過程、損失函數(shù)、核心思想優(yōu)缺點等五個方面進行介紹。2.3.3.1 網(wǎng)絡結(jié)構(gòu)以經(jīng)典的 Alexnet 為例，其結(jié)構(gòu)如圖 2.11 所示，介紹 CNN 各個層的原理。

【參考文獻】：
期刊論文
[1]基于全卷積神經(jīng)網(wǎng)絡的多源高分辨率遙感道路提取[J]. 張永宏,夏廣浩,闞希,何靜,葛濤濤,王劍庚.  計算機應用. 2018(07)
[2]改進角度紋理特征提取高分辨率遙感影像帶狀道路[J]. 林祥國,田雷,王家民,朱先志,李開華.  測繪科學. 2015(05)
[3]基于圓形模板的高分辨率遙感影像道路半自動提取[J]. 譚仁龍,萬幼川,袁芳,李剛.  測繪通報. 2014(10)
[4]遷移學習研究進展[J]. 莊福振,羅平,何清,史忠植.  軟件學報. 2015(01)
[5]一種采用容錯寬度Hough變換的路網(wǎng)優(yōu)化方法[J]. 張國英,宋科科,趙鵬,程金龍.  測繪科學技術(shù)學報. 2014(03)
[6]基于MRF的高分辨率SAR圖像道路網(wǎng)自動提取[J]. 程江華,高貴,庫錫樹,孫即祥.  系統(tǒng)工程與電子技術(shù). 2012(07)
[7]基于k-means聚類算法的研究[J]. 黃韜,劉勝輝,譚艷娜.  計算機技術(shù)與發(fā)展. 2011(07)
[8]遙感圖像自動道路提取方法綜述[J]. 吳亮,胡云安.  自動化學報. 2010(07)
[9]一種基于Snake模型的遙感影像道路網(wǎng)半自動提取方法[J]. 熊立偉,譚紅偉,何亮云,龍岳紅.  湖南文理學院學報(自然科學版). 2010(02)
[10]高空間分辨率遙感影像分割方法研究綜述[J]. 劉建華,毛政元.  遙感信息. 2009(06)

碩士論文
[1]基于核k均值的高分辨率遙感圖像的道路特征提取研究[D]. 龔金結(jié).杭州電子科技大學 2013



本文編號：2913512