基于卷积神经网络的城市区域建筑物自动提取研究
发布时间：2021-06-28 13:20
近地轨道卫星拥有众多不同分辨率和不同探测类型的传感器,给研究者提供了海量的拥有丰富地表信息的卫星遥感影像。建筑物作为地表信息的最重要组成部分之一（约占城市地表信息的80%以上）,已经在城市地图测绘、城市基础设施设计与规划、土地利用覆盖类型调查、三维数字城市构建等科技前沿领域得到了广泛研究和应用。迅速、精确、智能地在卫星遥感影像中提取建筑物的特征信息,已经成为卫星遥感影像研究极其重要的内容之一。本文采用深度学习以及迁移学习的思想,改进传统的全卷积神经网络FCN（Fully Convolutional Networks）,引入新的结构-级联式（Cascade Structure）,构建了一种新的深度卷积神经网络结构,并利用建筑物数据集对算法进行验证。主要内容和结论如下:1)级联式全卷积神经网络的架构设计与改进:针对传统全卷积网络的局部感受野小、输出结果分辨率低、图像信息损失多、边缘细节模糊等特点,引入空洞卷积增加特征图像的局部感受野,采用分块方法保证得到和输入图像相同分辨率的输出结果,引入的级联式网络结构可使网络内部的信息流动达到最大化。2)基于级联式全卷积神经网络研究建筑物的自动提取:训...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 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 国内外研究历史与现状
1.3 主要研究内容
1.4 主要技术路线
1.5 论文结构安排
第二章 深度卷积神经网络的理论及应用研究
2.1 神经网络的理论基础
2.1.1 单层神经网络
2.1.2 两层神经网络
2.1.3 多层神经网络
2.2 卷积神经网络
2.2.1 局部感知
2.2.2 权值共享
2.2.3 多重卷积
2.2.4 时间或空间亚采样
2.2.5 激活函数
2.3 基于卷积神经网络的图像分割
2.4 本章总结
第三章 级联式全卷积神经网络的模型设计与改进研究
3.1 网络模型的设计
3.2 网络模型的改进研究
3.2.1 数据层的改进
3.2.2 卷积层的改进
3.2.3 损失层的改进
3.2.4 训练神经网络的策略
3.2.4.1 训练神经网络的策略研究
3.2.4.2 训练神经网络的策略设计
3.3 本章总结
第四章 基于级联式全卷积神经网络的建筑物自动提取
4.1 卫星影像实验数据集
4.2 建筑物信息提取自动化
4.2.1 硬件和软件
4.2.2 主要功能实现
4.3 实验结果与数据分析
4.3.1 结果评价指标
4.3.2 建筑物信息提取实验结果
4.3.3 数据分析
4.4 数据后处理
4.4.1 条件随机场理论研究
4.4.2 全连接条件随机场理论研究
4.5 实验过程与分析
4.5.1 实验过程与结果
4.5.2 实验结果分析
4.6 本章总结
第五章 基于级联式全卷积神经网络的图像分类及多目标分割应用
5.1 土地利用类型图像分类应用
5.1.1 土地利用类型实验数据集
5.1.2 土地利用类型分类实验
5.1.3 实验结果与分析
5.2 城市区域卫星影像多目标分割
5.2.1 城市区域卫星影像实验数据集
5.2.2 多核卷积神经网络结构设计
5.2.3 实验结果与数据分析
5.3 本章总结
第六章 总结与展望
6.1 主要结论
6.2 研究展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于深度学习与医学先验知识的超声心动图切片识别[J]. 唐涔轩,王晓东,姚宇. 计算机应用. 2017(S1)
[2]联合显著性和多层卷积神经网络的高分影像场景分类[J]. 何小飞,邹峥嵘,陶超,张佳兴. 测绘学报. 2016(09)
[3]高空间分辨率遥感影像建筑物提取方法综述[J]. 张庆云,赵冬. 测绘与空间地理信息. 2015(04)
[4]高分辨率遥感影像的建筑物自动提取[J]. 安文,杨俊峰,赵羲,史玉龙. 测绘科学. 2014(11)
[5]基于卷积神经网络的小细胞型肺癌辅助检测方法[J]. 李学沧,贾识桢. 中国数字医学. 2013 (10)
[6]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[7]面向对象的高分辨率影像城市建筑物提取[J]. 乔程,骆剑承,吴泉源,沈占锋,王宏. 地理与地理信息科学. 2008(05)
[8]基于SVM的多源遥感影像面向对象建筑物提取方法[J]. 张峰,薛艳丽,李英成,丁晓波. 国土资源遥感. 2008(02)
[9]建筑物多边形化简及优化的自动方案研究[J]. 袁策. 测绘科学. 2007(06)
[10]基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例[J]. 苏伟,李京,陈云浩,张锦水,胡德勇,刘翠敏. 遥感学报. 2007(04)
博士论文
[1]基于迁移学习与深度卷积特征的图像标注方法研究[D]. 宋光慧.浙江大学 2017
硕士论文
[1]基于深度学习技术的高分辨率遥感影像建设用地信息提取研究[D]. 冯丽英.浙江大学 2017
[2]RBF神经网络在MBR膜污染仿真预测中的应用研究[D]. 汤佳.天津工业大学 2017
[3]基于多维灰色模型与神经网络的销售预测模型研究[D]. 刘卫校.浙江理工大学 2017
[4]基于深度学习的溯源视频目标检测与识别[D]. 刘健.东南大学 2016
[5]基于神经网络的上海光源光束线故障预警的方法研究[D]. 孙皓.中国科学院研究生院(上海应用物理研究所) 2016
[6]基于卷积神经网络的遥感图像分类方法研究[D]. 赵爽.中国地质大学(北京) 2015
[7]高分辨率遥感影像建筑物提取方法研究[D]. 黄小兵.西安科技大学 2014
[8]基于高分辨率遥感影像建筑物提取研究[D]. 刘莉.中南大学 2013
本文编号：3254397
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 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 国内外研究历史与现状
1.3 主要研究内容
1.4 主要技术路线
1.5 论文结构安排
第二章 深度卷积神经网络的理论及应用研究
2.1 神经网络的理论基础
2.1.1 单层神经网络
2.1.2 两层神经网络
2.1.3 多层神经网络
2.2 卷积神经网络
2.2.1 局部感知
2.2.2 权值共享
2.2.3 多重卷积
2.2.4 时间或空间亚采样
2.2.5 激活函数
2.3 基于卷积神经网络的图像分割
2.4 本章总结
第三章 级联式全卷积神经网络的模型设计与改进研究
3.1 网络模型的设计
3.2 网络模型的改进研究
3.2.1 数据层的改进
3.2.2 卷积层的改进
3.2.3 损失层的改进
3.2.4 训练神经网络的策略
3.2.4.1 训练神经网络的策略研究
3.2.4.2 训练神经网络的策略设计
3.3 本章总结
第四章 基于级联式全卷积神经网络的建筑物自动提取
4.1 卫星影像实验数据集
4.2 建筑物信息提取自动化
4.2.1 硬件和软件
4.2.2 主要功能实现
4.3 实验结果与数据分析
4.3.1 结果评价指标
4.3.2 建筑物信息提取实验结果
4.3.3 数据分析
4.4 数据后处理
4.4.1 条件随机场理论研究
4.4.2 全连接条件随机场理论研究
4.5 实验过程与分析
4.5.1 实验过程与结果
4.5.2 实验结果分析
4.6 本章总结
第五章 基于级联式全卷积神经网络的图像分类及多目标分割应用
5.1 土地利用类型图像分类应用
5.1.1 土地利用类型实验数据集
5.1.2 土地利用类型分类实验
5.1.3 实验结果与分析
5.2 城市区域卫星影像多目标分割
5.2.1 城市区域卫星影像实验数据集
5.2.2 多核卷积神经网络结构设计
5.2.3 实验结果与数据分析
5.3 本章总结
第六章 总结与展望
6.1 主要结论
6.2 研究展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于深度学习与医学先验知识的超声心动图切片识别[J]. 唐涔轩,王晓东,姚宇. 计算机应用. 2017(S1)
[2]联合显著性和多层卷积神经网络的高分影像场景分类[J]. 何小飞,邹峥嵘,陶超,张佳兴. 测绘学报. 2016(09)
[3]高空间分辨率遥感影像建筑物提取方法综述[J]. 张庆云,赵冬. 测绘与空间地理信息. 2015(04)
[4]高分辨率遥感影像的建筑物自动提取[J]. 安文,杨俊峰,赵羲,史玉龙. 测绘科学. 2014(11)
[5]基于卷积神经网络的小细胞型肺癌辅助检测方法[J]. 李学沧,贾识桢. 中国数字医学. 2013 (10)
[6]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[7]面向对象的高分辨率影像城市建筑物提取[J]. 乔程,骆剑承,吴泉源,沈占锋,王宏. 地理与地理信息科学. 2008(05)
[8]基于SVM的多源遥感影像面向对象建筑物提取方法[J]. 张峰,薛艳丽,李英成,丁晓波. 国土资源遥感. 2008(02)
[9]建筑物多边形化简及优化的自动方案研究[J]. 袁策. 测绘科学. 2007(06)
[10]基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例[J]. 苏伟,李京,陈云浩,张锦水,胡德勇,刘翠敏. 遥感学报. 2007(04)
博士论文
[1]基于迁移学习与深度卷积特征的图像标注方法研究[D]. 宋光慧.浙江大学 2017
硕士论文
[1]基于深度学习技术的高分辨率遥感影像建设用地信息提取研究[D]. 冯丽英.浙江大学 2017
[2]RBF神经网络在MBR膜污染仿真预测中的应用研究[D]. 汤佳.天津工业大学 2017
[3]基于多维灰色模型与神经网络的销售预测模型研究[D]. 刘卫校.浙江理工大学 2017
[4]基于深度学习的溯源视频目标检测与识别[D]. 刘健.东南大学 2016
[5]基于神经网络的上海光源光束线故障预警的方法研究[D]. 孙皓.中国科学院研究生院(上海应用物理研究所) 2016
[6]基于卷积神经网络的遥感图像分类方法研究[D]. 赵爽.中国地质大学(北京) 2015
[7]高分辨率遥感影像建筑物提取方法研究[D]. 黄小兵.西安科技大学 2014
[8]基于高分辨率遥感影像建筑物提取研究[D]. 刘莉.中南大学 2013
本文编号：3254397
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3254397.html
