基于深度学习的苏南乡村建筑物提取及年代分类研究
发布时间：2021-01-14 15:59
随着科技的进步及大数据时代的到来,人们能够获取高分遥感影像的方式越来越多,例如:Google Earth、DigitalGlobe、USGS、地理空间数据云等。建筑物作为城市、乡镇遥感影像中的重要地物,在测绘、城市规划等领域起着十分重要的作用。目前,基于遥感影像的建筑物提取主要有两种方式:人工手动提取及算法提取。在乡村规划及空间演变研究中,建筑物的年代信息对于村落的发展演变有着重要的参考意义。本文在导师苏南项目的支持下,对苏南地区的三个自然村进行了实地调研及建筑物拍摄,随后又通过Google Earth下载了调研区域的0.61m遥感影像50幅。近年来,随着人工智能技术的迅速发展,其在GIS领域中的应用研究越来越多。本文使用了人工智能中的深度学习技术对遥感影像中的建筑物进行了自动提取实验,并基于采集的建筑物照片数据实现了建筑物年代的自动识别分类,具体内容如下:（1）基于U-Net神经网络,在分割结果和损失函数上对其进行改进,通过使用35张空间分辨率为0.61m的遥感影像进行训练、15张作为测试,训练得出建筑物分割模型。经指标评估和分割结果对比分析得出:该模型的分割结果相似度为79.33%...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
苏南地区区位示意图
经济概况015 年末，苏南地区常住人口 3324.08 万人，人口密度平均水平的 8.3 倍，也是中国人口密度最高的地区[82达的区域，也是中国经济最发达的地区之一，2015 0 亿元，人均地区生产总值 125002 元，城镇常住居民农村常住居民人均可支配收入 22760 元，城镇化率 7积 42.5 ㎡，农村人均住房建筑面积 59.9 ㎡[82]。村落介绍国家自然基金项目（项目编号：51678127）资助，课题区 3 个村落进行了走访调研，通过在线资料收集、遥等方式对苏南乡村现状有了一定的认识。由于该项目组合作的，本课题组负责了宜兴市的西渚镇白塔村、湖 3 个村落的调研。
图 2-3 白塔村村域范围图Figure 2-3 Range map of Baita图 2-4 白塔村村景Figure 2-4 View of Baita（2）湖滏镇洑西村湖滏镇洑西村由城泽、龙山、庙干、油车、九龙五个村合并而成。地理位位于阳羡生态旅游区的西南面，靠近竹海风景区，与东兴村、浙江长兴县、镇相邻。2016 年末，村域面积 22.13 平方公里，全村 36 个村民小组，1560 户口 4045 人，耕地面积 4199 亩，村级可支配收入 337 万元，农民人均纯收
【参考文献】：
期刊论文
[1]基于全卷积神经网络的建筑物屋顶自动提取[J]. 刘文涛,李世华,覃驭楚. 地球信息科学学报. 2018(11)
[2]基于卷积网络的遥感图像建筑物提取技术研究[J]. 付发,未建英,张丽娜. 软件工程. 2018(06)
[3]基于深度学习AlexNet的遥感影像地表覆盖分类评价研究[J]. 党宇,张继贤,邓喀中,赵有松,余凡. 地球信息科学学报. 2017(11)
[4]城郊高分影像中利用阴影的建筑物自动提取[J]. 高贤君,郑学冬,沈大江,杨元维,张佳华. 武汉大学学报(信息科学版). 2017(10)
[5]顾及局部特性的CNN在遥感影像分类的应用[J]. 杨嘉树,梅天灿,仲思东. 计算机工程与应用. 2018(07)
[6]基于支持向量机的遥感图像建筑物识别与分类方法研究[J]. 张浩,赵云胜,陈冠宇,张春苑. 地质科技情报. 2016(06)
[7]高分辨率光学遥感图像建筑物提取研究进展[J]. 王俊,秦其明,叶昕,王建华,秦雪彬,杨绣丞. 遥感技术与应用. 2016(04)
[8]基于深度学习的高分辨率遥感影像分类研究[J]. 刘大伟,韩玲,韩晓勇. 光学学报. 2016(04)
[9]基于随机森林的WorldVew2i影像建筑物精细提取[J]. 范驰,江洪. 地理空间信息. 2016(01)
[10]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川. 数据采集与处理. 2016(01)
硕士论文
[1]基于多特征深度学习的建筑物识别方法[D]. 付昊天.北方工业大学 2018
[2]基于高分辨率可见光遥感图像的建筑物提取技术研究[D]. 左童春.中国科学技术大学 2017
[3]基于ArcGIS Engine的陕西省土系信息查询系统构建[D]. 陈洋.西北农林科技大学 2017
[4]基于ArcGIS Engine的海洋生态环境监测技术研究与应用[D]. 胡莉烨.浙江海洋大学 2017
[5]基于ArcGIS Engine城市地下管线三维展示系统的研究与实现[D]. 王秀超.昆明理工大学 2017
[6]基于卷积神经网络的车脸识别研究[D]. 姚钦文.浙江大学 2016
[7]新农村住宅的空间形态特征分析[D]. 郑颖霞.山西大学 2013
[8]城市化进程下的农宅特征与建造体系演变初探[D]. 杨宇环.重庆大学 2012
[9]村镇住宅体系化设计与建造技术初探[D]. 林永锦.同济大学 2008
[10]变迁中的乡村生活[D]. 卢健松.湖南大学 2002
本文编号：2977136
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
苏南地区区位示意图
经济概况015 年末，苏南地区常住人口 3324.08 万人，人口密度平均水平的 8.3 倍，也是中国人口密度最高的地区[82达的区域，也是中国经济最发达的地区之一，2015 0 亿元，人均地区生产总值 125002 元，城镇常住居民农村常住居民人均可支配收入 22760 元，城镇化率 7积 42.5 ㎡，农村人均住房建筑面积 59.9 ㎡[82]。村落介绍国家自然基金项目（项目编号：51678127）资助，课题区 3 个村落进行了走访调研，通过在线资料收集、遥等方式对苏南乡村现状有了一定的认识。由于该项目组合作的，本课题组负责了宜兴市的西渚镇白塔村、湖 3 个村落的调研。
图 2-3 白塔村村域范围图Figure 2-3 Range map of Baita图 2-4 白塔村村景Figure 2-4 View of Baita（2）湖滏镇洑西村湖滏镇洑西村由城泽、龙山、庙干、油车、九龙五个村合并而成。地理位位于阳羡生态旅游区的西南面，靠近竹海风景区，与东兴村、浙江长兴县、镇相邻。2016 年末，村域面积 22.13 平方公里，全村 36 个村民小组，1560 户口 4045 人，耕地面积 4199 亩，村级可支配收入 337 万元，农民人均纯收
【参考文献】：
期刊论文
[1]基于全卷积神经网络的建筑物屋顶自动提取[J]. 刘文涛,李世华,覃驭楚. 地球信息科学学报. 2018(11)
[2]基于卷积网络的遥感图像建筑物提取技术研究[J]. 付发,未建英,张丽娜. 软件工程. 2018(06)
[3]基于深度学习AlexNet的遥感影像地表覆盖分类评价研究[J]. 党宇,张继贤,邓喀中,赵有松,余凡. 地球信息科学学报. 2017(11)
[4]城郊高分影像中利用阴影的建筑物自动提取[J]. 高贤君,郑学冬,沈大江,杨元维,张佳华. 武汉大学学报(信息科学版). 2017(10)
[5]顾及局部特性的CNN在遥感影像分类的应用[J]. 杨嘉树,梅天灿,仲思东. 计算机工程与应用. 2018(07)
[6]基于支持向量机的遥感图像建筑物识别与分类方法研究[J]. 张浩,赵云胜,陈冠宇,张春苑. 地质科技情报. 2016(06)
[7]高分辨率光学遥感图像建筑物提取研究进展[J]. 王俊,秦其明,叶昕,王建华,秦雪彬,杨绣丞. 遥感技术与应用. 2016(04)
[8]基于深度学习的高分辨率遥感影像分类研究[J]. 刘大伟,韩玲,韩晓勇. 光学学报. 2016(04)
[9]基于随机森林的WorldVew2i影像建筑物精细提取[J]. 范驰,江洪. 地理空间信息. 2016(01)
[10]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川. 数据采集与处理. 2016(01)
硕士论文
[1]基于多特征深度学习的建筑物识别方法[D]. 付昊天.北方工业大学 2018
[2]基于高分辨率可见光遥感图像的建筑物提取技术研究[D]. 左童春.中国科学技术大学 2017
[3]基于ArcGIS Engine的陕西省土系信息查询系统构建[D]. 陈洋.西北农林科技大学 2017
[4]基于ArcGIS Engine的海洋生态环境监测技术研究与应用[D]. 胡莉烨.浙江海洋大学 2017
[5]基于ArcGIS Engine城市地下管线三维展示系统的研究与实现[D]. 王秀超.昆明理工大学 2017
[6]基于卷积神经网络的车脸识别研究[D]. 姚钦文.浙江大学 2016
[7]新农村住宅的空间形态特征分析[D]. 郑颖霞.山西大学 2013
[8]城市化进程下的农宅特征与建造体系演变初探[D]. 杨宇环.重庆大学 2012
[9]村镇住宅体系化设计与建造技术初探[D]. 林永锦.同济大学 2008
[10]变迁中的乡村生活[D]. 卢健松.湖南大学 2002
本文编号：2977136
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2977136.html
