基于Deeplabv3+的遥感图像城市道路分割算法研究
发布时间：2021-05-18 14:35
图像的语义分割（Semantic Segmentation）技术已经成为计算机视觉领域的热点研究方向,其研究成果能够有效地应用到地图重建、人脸识别以及无人驾驶等领域中。目前,现有的语义分割网络较多,随着语义分割技术的不断发展和完善,在公开数据集上的分割精度也不断提高。随着遥感图像获取途径的增多,需求量越来越大,如何有效提高高分辨率遥感城市道路图像的分割精度是本文研究的主要问题。本文在研究了遥感城市道路图像中道路类型的复杂性、形态多样性以及纹理多元性等原因导致分类精度较低的难点问题之后,分析研究了现有分割算法的可行性,首先分析了基于图切算法的交互式图像分割技术,并将其应用到对可见光图像与遥感城市道路图像的分割处理中。实验结果表明,对可见光图像的分割精度要比遥感图像高很多,原因是遥感城市道路图像分辨率高、道路特征复杂。很多的纹理和细节信息对分割产生干扰。为了有效的提高对高分辨率遥感城市道路图像的分割精度,本文进一步提出了基于Deeplabv3+网络模型的分割方式对其进行分割,首先使用基于BN（Batch Normalization）层下Deeplabv3+网络进行语义分割实验,然后再对网络...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 课题来源
1.2 本课题研究目的和意义
1.3 国内外研究现状
1.4 本文的主要研究内容
2 遥感城市道路图像分割相关技术
2.1 遥感城市道路图像分割技术介绍
2.2 基于图切算法的交互式图像分割技术
2.3 卷积神经网络概述
2.4 遥感城市道路图像分割精度评价指标
2.5 本章小结
3 基于Deeplabv3+的遥感城市道路图像分割
3.1 Deeplabv3+概述
3.2 基于BN下的Deeplabv3+的遥感城市道路图像分割
3.3 结果分析
3.4 本章小结
4 基于改进的Deeplabv3+的遥感城市道路图像分割
4.1 神经网络中归一化层GN介绍
4.2 基于GN下的Deeplabv3+的遥感城市道路图像分割
4.3 实验结果分析
4.4 本章小结
5 实验结果与分析
5.1 数据集制作
5.2 tensorflow下网络模型和参数配置
5.3 实验结果对比分析
5.4 本章小结
6 总结与展望
6.1 论文的主要工作
6.2 需要进一步研究的内容
致谢
参考文献
附录 攻读硕士学位期间项目参与情况
【参考文献】：
期刊论文
[1]高分辨率遥感影像道路提取[J]. 李美玲,付慧,王晓晶,张金金. 遥感信息. 2016(02)
[2]国内外遥感影像道路网提取方法研究现状[J]. 李卫东,陈永枫,杨阳,李润生. 影像技术. 2016(02)
[3]基于最优尺度的高分辨率遥感影像道路提取[J]. 张采芳,田岩,郑毓勇. 测绘通报. 2015(01)
[4]基于地理国情普查高分辨率遥感影像的道路提取方法研究[J]. 顾剑华,孙鑫,李红. 测绘与空间地理信息. 2014(06)
[5]高分遥感影像道路提取方法研究[J]. 孙傲. 湖南农机. 2013(11)
[6]浅析数学形态学在图像处理中的应用[J]. 肖大雪. 科技广场. 2013(05)
[7]不同尺度下高分辨率遥感影像道路信息提取[J]. 沈占锋,骆剑承,郜丽静,刘雯. 四川师范大学学报(自然科学版). 2009(06)
[8]遥感影像上基于特征的道路提取方法[J]. 吴冰,张占睦,秦志远,杜丹. 测绘学院学报. 2004(03)
硕士论文
[1]多源遥感图像的多尺度特征提取和融合方法研究[D]. 顾琳.北方工业大学 2015
[2]基于Hough变换的高分辨率遥感影像道路提取[D]. 安丽.东华理工大学 2015
[3]高分辨率遥感影像中的道路信息提取与表达方法研究[D]. 李建飞.湖南工业大学 2015
[4]高分辨率遥感图像城市道路自动提取方法研究[D]. 蔡红玥.中国地质大学(北京) 2015
[5]多尺度城市道路高分辨率遥感影像提取方法研究[D]. 姚琴风.太原理工大学 2015
[6]基于多特征的高分辨率遥感影像道路提取算法研究[D]. 苗则朗.中国矿业大学 2014
[7]高分辨率遥感影像道路提取方法研究[D]. 靳彩娇.解放军信息工程大学 2013
[8]高分辨率影像城市道路提取算法研究[D]. 徐天才.中南大学 2012
[9]高分辨率遥感影像城区道路提取方法研究[D]. 周安发.中南大学 2012
[10]中高分辨率遥感影像道路提取技术研究[D]. 胥亚.解放军信息工程大学 2012
本文编号：3193963
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 课题来源
1.2 本课题研究目的和意义
1.3 国内外研究现状
1.4 本文的主要研究内容
2 遥感城市道路图像分割相关技术
2.1 遥感城市道路图像分割技术介绍
2.2 基于图切算法的交互式图像分割技术
2.3 卷积神经网络概述
2.4 遥感城市道路图像分割精度评价指标
2.5 本章小结
3 基于Deeplabv3+的遥感城市道路图像分割
3.1 Deeplabv3+概述
3.2 基于BN下的Deeplabv3+的遥感城市道路图像分割
3.3 结果分析
3.4 本章小结
4 基于改进的Deeplabv3+的遥感城市道路图像分割
4.1 神经网络中归一化层GN介绍
4.2 基于GN下的Deeplabv3+的遥感城市道路图像分割
4.3 实验结果分析
4.4 本章小结
5 实验结果与分析
5.1 数据集制作
5.2 tensorflow下网络模型和参数配置
5.3 实验结果对比分析
5.4 本章小结
6 总结与展望
6.1 论文的主要工作
6.2 需要进一步研究的内容
致谢
参考文献
附录 攻读硕士学位期间项目参与情况
【参考文献】：
期刊论文
[1]高分辨率遥感影像道路提取[J]. 李美玲,付慧,王晓晶,张金金. 遥感信息. 2016(02)
[2]国内外遥感影像道路网提取方法研究现状[J]. 李卫东,陈永枫,杨阳,李润生. 影像技术. 2016(02)
[3]基于最优尺度的高分辨率遥感影像道路提取[J]. 张采芳,田岩,郑毓勇. 测绘通报. 2015(01)
[4]基于地理国情普查高分辨率遥感影像的道路提取方法研究[J]. 顾剑华,孙鑫,李红. 测绘与空间地理信息. 2014(06)
[5]高分遥感影像道路提取方法研究[J]. 孙傲. 湖南农机. 2013(11)
[6]浅析数学形态学在图像处理中的应用[J]. 肖大雪. 科技广场. 2013(05)
[7]不同尺度下高分辨率遥感影像道路信息提取[J]. 沈占锋,骆剑承,郜丽静,刘雯. 四川师范大学学报(自然科学版). 2009(06)
[8]遥感影像上基于特征的道路提取方法[J]. 吴冰,张占睦,秦志远,杜丹. 测绘学院学报. 2004(03)
硕士论文
[1]多源遥感图像的多尺度特征提取和融合方法研究[D]. 顾琳.北方工业大学 2015
[2]基于Hough变换的高分辨率遥感影像道路提取[D]. 安丽.东华理工大学 2015
[3]高分辨率遥感影像中的道路信息提取与表达方法研究[D]. 李建飞.湖南工业大学 2015
[4]高分辨率遥感图像城市道路自动提取方法研究[D]. 蔡红玥.中国地质大学(北京) 2015
[5]多尺度城市道路高分辨率遥感影像提取方法研究[D]. 姚琴风.太原理工大学 2015
[6]基于多特征的高分辨率遥感影像道路提取算法研究[D]. 苗则朗.中国矿业大学 2014
[7]高分辨率遥感影像道路提取方法研究[D]. 靳彩娇.解放军信息工程大学 2013
[8]高分辨率影像城市道路提取算法研究[D]. 徐天才.中南大学 2012
[9]高分辨率遥感影像城区道路提取方法研究[D]. 周安发.中南大学 2012
[10]中高分辨率遥感影像道路提取技术研究[D]. 胥亚.解放军信息工程大学 2012
本文编号：3193963
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3193963.html
