基于卷积神经网络的高分辨率多光谱遥感图像上的城区建筑物变化检测技术
发布时间：2021-11-02 09:10
中国社会经济的快速发展加速了城市的空间扩展。在城市化进程中,建筑物作为活跃的城市要素,会出现大量更新,精确、高效的建筑物变化信息提取对于城区规划等业务具有重要意义。卫星遥感技术的发展为各个研究领域带来了大量遥感数据,其中遥感图像已经成为建筑物变化检测技术的重要数据源。高分辨率遥感图像中地物信息丰富,但“同物异谱,同谱异物”的情况同样严重,这也对如何合理有效的利用这些信息进行建筑物变化检测提出了巨大挑战。随着深度学习技术的创新与发展,深度学习以其泛化能力强等特点为基于高分辨率遥感图像的建筑物变化检测提供了新的思路。本文将建筑物变化检测问题转换为图像像素级别分类问题,借鉴FPN网络的多层级预测的思路对经典的全卷积神经网络的变种Unet进行改进,设计了一套基于改进Unet模型的遥感图像上的建筑物变化检测方案。针对同一地区的前后时相遥感图像,方案首先使用正射校正、影像配准、图像拉伸及数值归一化等操作对两幅遥感图像进行预处理;其次,对遥感图像进行分块,标注关于建筑物新建、拆除情况的变化样本来制作训练数据集,并以此对改进的Unet模型进行训练;最后,利用已训练模型对经过预处理的前后时相遥感图像进行...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 项目研究背景与意义
1.2 国内外研究现状
1.2.1 遥感变化检测
1.2.2 遥感图像中的建筑物变化检测
1.2.3 深度学习与变化检测
1.3 本文研究内容
1.4 论文组织结构
1.5 本章小结
第2章 相关技术介绍
2.1 相关概念
2.1.1 高分辨率遥感图像
2.1.2 全色和多光谱遥感图像
2.2 深度学习
2.2.1 深度学习概述
2.2.2 卷积神经网络
2.2.3 基于卷积神经网络的语义分割算法
2.3 本章小结
第3章 技术方案概述
3.1 问题描述
3.2 技术挑战
3.3 主要技术流程
3.3.1 图像预处理
3.3.2 数据标注及数据增广
3.3.3 模型设计与训练
3.3.4 变化分析
3.4 本章小结
第4章 图像预处理与样本标注及增广
4.1 数据源介绍
4.2 遥感图像预处理
4.2.1 正射校正
4.2.2 图像配准
4.2.3 图像拉伸及归一化
4.3 样本标注及增广
4.3.1 样本标注
4.3.2 样本切分及增广
4.4 本章小结
第5章 分类模型与变化分析
5.1 相关网络模型介绍
5.1.1 特征金字塔模型FPN
5.1.2 语义分割模型优化思路
5.2 基于F-Unet网络的分类模型
5.2.1 模型结构
5.2.2 网络配置
5.2.3 网络训练
5.3 对比方法
5.3.1 基于FCN的分类模型
5.3.2 基于Unet的分类模型
5.3.3 基于SegNet的分类模型
5.3.4 网络配置与训练
5.4 变化分析
5.4.1 建筑物变化检测流程
5.5 本章小结
第6章 实验结果
6.1 数据集
6.2 评估指标
6.3 实验环境
6.4 实验结果分析
6.4.1 不同深度的F-Unet网络对实验结果影响分析
6.4.2 来自QuickBird的不同测试集实验结果分析
6.4.3 来自高分二号的测试集变化检测效果展示
6.4.4 分析与比较
6.5 本章总结
第7章 总结与展望
7.1 本文工作总结
7.2 未来工作与展望
参考文献
攻读硕士学位期间主要的研究成果
致谢
【参考文献】：
期刊论文
[1]融合遥感影像光谱和纹理特征的矿区林地信息变化监测[J]. 张嵩,马保东,陈玉腾,吴立新. 地理与地理信息科学. 2017(06)
[2]GF-1遥感大数据自动化正射校正系统设计与实现[J]. 叶思菁,张超,王媛,刘帝佑,杜振博,朱德海. 农业工程学报. 2017(S1)
[3]多尺度分割的高分辨率遥感影像变化检测[J]. 佃袁勇,方圣辉,姚崇怀. 遥感学报. 2016(01)
[4]基于支持向量机的矿区土地覆盖变化检测[J]. 杜培军,柳思聪,郑辉. 中国矿业大学学报. 2012(02)
[5]基于ERDAS软件对QuickBird影像的正射纠正[J]. 赵丽荣,王丹. 测绘与空间地理信息. 2009(06)
[6]遥感数字图像配准技术综述[J]. 吴畏,赵文杰,刘辉. 红外. 2009(10)
[7]基于LBP/C纹理的遥感影像居民地变化检测[J]. 张剑清,佘琼,潘励. 武汉大学学报(信息科学版). 2008(01)
[8]面向单波段高分辨率遥感影像的人工目标变化检测技术研究[J]. 耿忠. 地理信息世界. 2007(06)
[9]浅谈QuickBird遥感卫星影像几何精校正[J]. 万里红,杨武年,李天华,夏涛,简季,刘汉湖. 测绘与空间地理信息. 2007(02)
[10]基于相似度验证的自动变化探测研究[J]. 刘臻,宫鹏,史培军,Sasagawa T,何春阳. 遥感学报. 2005(05)
本文编号：3471756
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 项目研究背景与意义
1.2 国内外研究现状
1.2.1 遥感变化检测
1.2.2 遥感图像中的建筑物变化检测
1.2.3 深度学习与变化检测
1.3 本文研究内容
1.4 论文组织结构
1.5 本章小结
第2章 相关技术介绍
2.1 相关概念
2.1.1 高分辨率遥感图像
2.1.2 全色和多光谱遥感图像
2.2 深度学习
2.2.1 深度学习概述
2.2.2 卷积神经网络
2.2.3 基于卷积神经网络的语义分割算法
2.3 本章小结
第3章 技术方案概述
3.1 问题描述
3.2 技术挑战
3.3 主要技术流程
3.3.1 图像预处理
3.3.2 数据标注及数据增广
3.3.3 模型设计与训练
3.3.4 变化分析
3.4 本章小结
第4章 图像预处理与样本标注及增广
4.1 数据源介绍
4.2 遥感图像预处理
4.2.1 正射校正
4.2.2 图像配准
4.2.3 图像拉伸及归一化
4.3 样本标注及增广
4.3.1 样本标注
4.3.2 样本切分及增广
4.4 本章小结
第5章 分类模型与变化分析
5.1 相关网络模型介绍
5.1.1 特征金字塔模型FPN
5.1.2 语义分割模型优化思路
5.2 基于F-Unet网络的分类模型
5.2.1 模型结构
5.2.2 网络配置
5.2.3 网络训练
5.3 对比方法
5.3.1 基于FCN的分类模型
5.3.2 基于Unet的分类模型
5.3.3 基于SegNet的分类模型
5.3.4 网络配置与训练
5.4 变化分析
5.4.1 建筑物变化检测流程
5.5 本章小结
第6章 实验结果
6.1 数据集
6.2 评估指标
6.3 实验环境
6.4 实验结果分析
6.4.1 不同深度的F-Unet网络对实验结果影响分析
6.4.2 来自QuickBird的不同测试集实验结果分析
6.4.3 来自高分二号的测试集变化检测效果展示
6.4.4 分析与比较
6.5 本章总结
第7章 总结与展望
7.1 本文工作总结
7.2 未来工作与展望
参考文献
攻读硕士学位期间主要的研究成果
致谢
【参考文献】：
期刊论文
[1]融合遥感影像光谱和纹理特征的矿区林地信息变化监测[J]. 张嵩,马保东,陈玉腾,吴立新. 地理与地理信息科学. 2017(06)
[2]GF-1遥感大数据自动化正射校正系统设计与实现[J]. 叶思菁,张超,王媛,刘帝佑,杜振博,朱德海. 农业工程学报. 2017(S1)
[3]多尺度分割的高分辨率遥感影像变化检测[J]. 佃袁勇,方圣辉,姚崇怀. 遥感学报. 2016(01)
[4]基于支持向量机的矿区土地覆盖变化检测[J]. 杜培军,柳思聪,郑辉. 中国矿业大学学报. 2012(02)
[5]基于ERDAS软件对QuickBird影像的正射纠正[J]. 赵丽荣,王丹. 测绘与空间地理信息. 2009(06)
[6]遥感数字图像配准技术综述[J]. 吴畏,赵文杰,刘辉. 红外. 2009(10)
[7]基于LBP/C纹理的遥感影像居民地变化检测[J]. 张剑清,佘琼,潘励. 武汉大学学报(信息科学版). 2008(01)
[8]面向单波段高分辨率遥感影像的人工目标变化检测技术研究[J]. 耿忠. 地理信息世界. 2007(06)
[9]浅谈QuickBird遥感卫星影像几何精校正[J]. 万里红,杨武年,李天华,夏涛,简季,刘汉湖. 测绘与空间地理信息. 2007(02)
[10]基于相似度验证的自动变化探测研究[J]. 刘臻,宫鹏,史培军,Sasagawa T,何春阳. 遥感学报. 2005(05)
本文编号：3471756
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3471756.html
