基于深度学习的高分辨率遥感图像建筑物检测算法研究
发布时间：2020-12-06 07:37
随着航空航天领域技术的发展,遥感卫星图像资源在城市规划、军事侦查、国土资源等众多领域应用广泛。高分辨率遥感图像目标检测成为遥感图像处理领域的重要研究方向。建筑物是城市或城郊地面的重要标志特征,因此在遥感领域中建筑物的检测识别成为重要课题。传统目标检测方法的特征表示是基于经验手工设计的,这样很耗费时间,不能发掘图像更高维度的特征信息,而基于深度学习的图像处理能快速有效的学习图像特征。当前,Faster R-CNN作为基于深度学习的目标检测的主流算法,因此本文把Faster R-CNN算法应用于建筑物的检测任务中。该算法在谷歌、高分二号图像建筑物特征集上分别取得53.7%和51.7%的检测精度。针对建筑物检测精度低的情况,本文从以下三个方面来提升检测精度。首先,本文使用在线困难样本挖掘算法（Online Hard Example Mining,简称OHEM）改进了FasterR-CNN算法,提出了OHEM+Faster R-CNN的算法,OHEM是将难以训练的困难样本筛选再训练的一种算法,此项改进使得建筑物检测精度在谷歌、高分二号图像建筑物特征集分别提高到58.2%和63.3%。其次,为了...
【文章来源】：燕山大学河北省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
Sigmoid 函数
图 2-6 Relu 函数 池化层层是为了简化网络复杂度，是对图像是压缩，使得提取的特征图变的参数量，防止过拟合。池化的操作分为最大值池化和平均值池化池化举例。如图 2-7 所示，对于输入4*4图像使用2*2过滤器进行选取过滤器对应图像区域的最大值，遍历图像直到池化操作结束。2-7 是池化操作，使用的是最大值池化，就是取卷积核对应输入数据2 410524 3 13534
第 3 章 遥感图像建筑物特征集制作方法研究3.2.2 特征集的格式项目 data 文件里面有一个 VOC2007，另一个是 VOC2012，里面有 5 个文件夹。Annotations 里面存放 xml 文件，每个文件对应 JPEGImages 里面的一张图片，ImageSets 里面存放记录各个类别正负样本的 xml 文件，JPEGImages 是存放图片，每张图片都有对应的编号，SegmentationClass：按类存放分割图片，相同的类用同一个颜色表示，SegmentationObject：按物体存放分割图片，不同的物体用不同的颜色表示 。 本 文 制 作 的 特 征 集 没 有 分 割 图 片 ， 因 此 没 有 SegmentationClass 和SegmentationClass。图 3-1 是高分二号图像建筑物特征集图像，一共 4 张示例图片，图 3-2 是图像中建筑物标注坐标信息的 xml 文件，图 3-3 是遥感图像特征集格式文件目录，图 3-4 是训练集测试集各个文件。
【参考文献】：
期刊论文
[1]密集城区高分辨率遥感影像建筑物提取[J]. 方鑫,陈善雄. 测绘通报. 2019(04)
[2]结合全卷积神经网络的室内场景分割[J]. 黄龙,杨媛,王庆军,郭飞,高勇. 中国图象图形学报. 2019(01)
[3]面向多尺度坦克装甲车辆目标检测的改进Faster R-CNN算法[J]. 王全东,常天庆,张雷,戴文君. 计算机辅助设计与图形学学报. 2018(12)
[4]基于ArcGIS的地物化成果各坐标系统向CGCS2000坐标转换研究[J]. 杜辉,耿涛,刘生荣,白运. 物探与化探. 2018(05)
[5]一种改进的基于R-FCN模型的人脸检测算法[J]. 戴海能,茅耀斌. 计算机与现代化. 2018(08)
[6]改进的基于区域卷积神经网络的微操作系统目标检测方法[J]. 彭刚,杨诗琪,黄心汉,苏豪. 模式识别与人工智能. 2018(02)
[7]基于全卷积网络的高分辨遥感影像目标检测[J]. 徐逸之,姚晓婧,李祥,周楠,胡媛. 测绘通报. 2018(01)
[8]基于R-FCN的行人检测方法研究[J]. 蒋胜,黄敏,朱启兵,王正来. 计算机工程与应用. 2018(18)
[9]灾后高分辨率遥感影像的地震型滑坡信息自动提取算法研究[J]. 闫琦,李慧,荆林海,唐韵玮,丁海峰. 激光与光电子学进展. 2017(11)
[10]解读AlphaGo背后的人工智能技术[J]. 刘知青,吴修竹. 控制理论与应用. 2016(12)
本文编号：2900981
【文章来源】：燕山大学河北省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
Sigmoid 函数
图 2-6 Relu 函数 池化层层是为了简化网络复杂度，是对图像是压缩，使得提取的特征图变的参数量，防止过拟合。池化的操作分为最大值池化和平均值池化池化举例。如图 2-7 所示，对于输入4*4图像使用2*2过滤器进行选取过滤器对应图像区域的最大值，遍历图像直到池化操作结束。2-7 是池化操作，使用的是最大值池化，就是取卷积核对应输入数据2 410524 3 13534
第 3 章 遥感图像建筑物特征集制作方法研究3.2.2 特征集的格式项目 data 文件里面有一个 VOC2007，另一个是 VOC2012，里面有 5 个文件夹。Annotations 里面存放 xml 文件，每个文件对应 JPEGImages 里面的一张图片，ImageSets 里面存放记录各个类别正负样本的 xml 文件，JPEGImages 是存放图片，每张图片都有对应的编号，SegmentationClass：按类存放分割图片，相同的类用同一个颜色表示，SegmentationObject：按物体存放分割图片，不同的物体用不同的颜色表示 。 本 文 制 作 的 特 征 集 没 有 分 割 图 片 ， 因 此 没 有 SegmentationClass 和SegmentationClass。图 3-1 是高分二号图像建筑物特征集图像，一共 4 张示例图片，图 3-2 是图像中建筑物标注坐标信息的 xml 文件，图 3-3 是遥感图像特征集格式文件目录，图 3-4 是训练集测试集各个文件。
【参考文献】：
期刊论文
[1]密集城区高分辨率遥感影像建筑物提取[J]. 方鑫,陈善雄. 测绘通报. 2019(04)
[2]结合全卷积神经网络的室内场景分割[J]. 黄龙,杨媛,王庆军,郭飞,高勇. 中国图象图形学报. 2019(01)
[3]面向多尺度坦克装甲车辆目标检测的改进Faster R-CNN算法[J]. 王全东,常天庆,张雷,戴文君. 计算机辅助设计与图形学学报. 2018(12)
[4]基于ArcGIS的地物化成果各坐标系统向CGCS2000坐标转换研究[J]. 杜辉,耿涛,刘生荣,白运. 物探与化探. 2018(05)
[5]一种改进的基于R-FCN模型的人脸检测算法[J]. 戴海能,茅耀斌. 计算机与现代化. 2018(08)
[6]改进的基于区域卷积神经网络的微操作系统目标检测方法[J]. 彭刚,杨诗琪,黄心汉,苏豪. 模式识别与人工智能. 2018(02)
[7]基于全卷积网络的高分辨遥感影像目标检测[J]. 徐逸之,姚晓婧,李祥,周楠,胡媛. 测绘通报. 2018(01)
[8]基于R-FCN的行人检测方法研究[J]. 蒋胜,黄敏,朱启兵,王正来. 计算机工程与应用. 2018(18)
[9]灾后高分辨率遥感影像的地震型滑坡信息自动提取算法研究[J]. 闫琦,李慧,荆林海,唐韵玮,丁海峰. 激光与光电子学进展. 2017(11)
[10]解读AlphaGo背后的人工智能技术[J]. 刘知青,吴修竹. 控制理论与应用. 2016(12)
本文编号：2900981
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/2900981.html
