基于深度学习的高分辨率遥感影像语义分割的研究与应用
发布时间：2023-01-28 11:04
高分辨率遥感影像是诸多遥感影像数据类型中的一种,根据拍摄高度不同,又分为航天和航空遥感影像。它具有地物几何与属性细节信息丰富、目视效果直观等特点,在军事、民用等领域具有广泛应用。在环境评价、灾害评估、林业测量、精细农业、城市规划、地图的生产与更新、变化检测和军事目标识别等应用中,需要对高分辨率遥感影像利用视觉识别的方法进行场景解析。语义分割是其中一种解析图像场景的方法,它通过为图像的每一个像素标注语义的标签,能够同时完成图像像素分类和图像目标分割两个过程。由于高分辨率遥感影像上存在“同物异谱”与“异物同谱”等固有现象,这是运用传统方法进行语义分割时精度较低的主要原因。最近几年,图像语义分割主要是通过深度学习的方式来实现,然而深度学习在高分辨率遥感影像中的研究与应用并不多。因此本论文基于深度学习的相关算法,深入研究了高分辨率遥感影像的语义分割,主要完成工作如下:（1）建立高分辨率遥感影像语义分割数据集:针对时序变化图像语义分割任务,本文自建了拥有新增建筑物作为语义标签的遥感影像语义分割数据集。同时详细介绍了建立遥感影像数据集的相关过程,包括数据集采集、人工标注、图像预处理、数据集划分四个...
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 深度学习的研究现状
1.2.2 传统图像分割的研究现状
1.2.3 图像语义分割的研究现状
1.2.4 基于时序变化图像语义分割的研究现状
1.3 研究内容与章节安排
1.3.1 研究内容
1.3.2 章节安排
第二章 基础理论与相关技术
2.1 引言
2.2 卷积神经网络的结构
2.2.1 卷积层
2.2.2 池化层
2.2.3 激活层
2.2.4 全连接层
2.2.5 Dropout层
2.2.6 批标准化层
2.2.7 损失层
2.3 卷积神经网络的训练方法
2.3.1 前向传播过程
2.3.2 反向传播过程
2.3.3 优化方法
2.4 典型的卷积神经网络模型
2.4.1 VGGNet
2.4.2 GoogLeNet
2.4.3 ResNet
2.5 本章小结
第三章 建立高分辨率遥感影像语义分割数据集
3.1 引言
3.2 高分辨率遥感影像数据集
3.2.1 城市遥感影像数据集
3.2.2 遥感影像道路提取数据集
3.3 建立时序变化建筑物提取数据集
3.3.1 数据集采集
3.3.2 人工标注
3.3.3 数据预处理
3.3.4 数据集划分和统计
3.4 数据增广
3.5 本章小结
第四章 基于DenseNet的特征金字塔语义分割网络
4.1 引言
4.2 全卷积神经网络剖析(FCN)
4.3 基于DenseNet的特征金字塔语义分割网络的设计(DenseFPN)
4.3.1 特征提取模块
4.3.2 特征金字塔融合模块
4.3.3 迁移学习
4.4 实验及结果分析
4.4.1 实验环境
4.4.2 评价指标
4.4.3 实验参数设置
4.4.4 实验过程和结果分析
4.5 本章小结
第五章 端到端的时序变化图像语义分割网络
5.1 引言
5.2 相关网络结构介绍
5.2.1 扩张卷积
5.2.2 多孔空间金字塔池化
5.2.3 转置卷积
5.2.4 编解码网络结构Unet
5.3 端到端的时序变化图像语义分割网络的设计(DAUnet)
5.3.1 编码过程
5.3.2 多尺度特征融合过程
5.3.3 解码过程
5.4 实验和结果分析
5.4.1 评价指标和实验参数设置
5.4.2 实验过程和结果分析
5.5 本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于颜色聚类分割及改进的FMM算法的壁画修复[J]. 任小康,邓琳凯. 计算机工程与科学. 2014(02)
[2]基于灰度空间特征的模糊C均值聚类图像分割[J]. 李云松,李明. 计算机工程与设计. 2007(06)
博士论文
[1]基于深度学习的红外图像语义分割技术研究[D]. 王晨.中国科学院大学(中国科学院上海技术物理研究所) 2017
硕士论文
[1]基于3维全卷积DenseNet的MRI脑胶质瘤多区域分割算法研究[D]. 黄奕晖.南方医科大学 2018
[2]基于深度学习的图像语义分割方法[D]. 张建.电子科技大学 2018
[3]基于深度学习的图像语义分割方法研究与实现[D]. 张学鹏.电子科技大学 2018
本文编号：3732521
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 深度学习的研究现状
1.2.2 传统图像分割的研究现状
1.2.3 图像语义分割的研究现状
1.2.4 基于时序变化图像语义分割的研究现状
1.3 研究内容与章节安排
1.3.1 研究内容
1.3.2 章节安排
第二章 基础理论与相关技术
2.1 引言
2.2 卷积神经网络的结构
2.2.1 卷积层
2.2.2 池化层
2.2.3 激活层
2.2.4 全连接层
2.2.5 Dropout层
2.2.6 批标准化层
2.2.7 损失层
2.3 卷积神经网络的训练方法
2.3.1 前向传播过程
2.3.2 反向传播过程
2.3.3 优化方法
2.4 典型的卷积神经网络模型
2.4.1 VGGNet
2.4.2 GoogLeNet
2.4.3 ResNet
2.5 本章小结
第三章 建立高分辨率遥感影像语义分割数据集
3.1 引言
3.2 高分辨率遥感影像数据集
3.2.1 城市遥感影像数据集
3.2.2 遥感影像道路提取数据集
3.3 建立时序变化建筑物提取数据集
3.3.1 数据集采集
3.3.2 人工标注
3.3.3 数据预处理
3.3.4 数据集划分和统计
3.4 数据增广
3.5 本章小结
第四章 基于DenseNet的特征金字塔语义分割网络
4.1 引言
4.2 全卷积神经网络剖析(FCN)
4.3 基于DenseNet的特征金字塔语义分割网络的设计(DenseFPN)
4.3.1 特征提取模块
4.3.2 特征金字塔融合模块
4.3.3 迁移学习
4.4 实验及结果分析
4.4.1 实验环境
4.4.2 评价指标
4.4.3 实验参数设置
4.4.4 实验过程和结果分析
4.5 本章小结
第五章 端到端的时序变化图像语义分割网络
5.1 引言
5.2 相关网络结构介绍
5.2.1 扩张卷积
5.2.2 多孔空间金字塔池化
5.2.3 转置卷积
5.2.4 编解码网络结构Unet
5.3 端到端的时序变化图像语义分割网络的设计(DAUnet)
5.3.1 编码过程
5.3.2 多尺度特征融合过程
5.3.3 解码过程
5.4 实验和结果分析
5.4.1 评价指标和实验参数设置
5.4.2 实验过程和结果分析
5.5 本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于颜色聚类分割及改进的FMM算法的壁画修复[J]. 任小康,邓琳凯. 计算机工程与科学. 2014(02)
[2]基于灰度空间特征的模糊C均值聚类图像分割[J]. 李云松,李明. 计算机工程与设计. 2007(06)
博士论文
[1]基于深度学习的红外图像语义分割技术研究[D]. 王晨.中国科学院大学(中国科学院上海技术物理研究所) 2017
硕士论文
[1]基于3维全卷积DenseNet的MRI脑胶质瘤多区域分割算法研究[D]. 黄奕晖.南方医科大学 2018
[2]基于深度学习的图像语义分割方法[D]. 张建.电子科技大学 2018
[3]基于深度学习的图像语义分割方法研究与实现[D]. 张学鹏.电子科技大学 2018
本文编号：3732521
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3732521.html
