基于改进卷积神经网络的平面地图道路模糊推理分割方法

发布时间：2022-08-02 10:30

　　由于平面地图呈现方式单一且有限,为提升其多样性需准确分割平面地图中的道路区域。提出一种基于改进CNN（convolutional neural network）平面地图道路和模糊推理分割的方法。选取两个道路信息丰富的数据库,实验选取百度地图（Baidu）数据库和高德地图（Amap）数据库,标记得到含标签信息的像素训练集;用Sigmoid分割目标函数代替复杂的Softmax函数分别训练得到Baidu-CNN模型和Amap-CNN模型;对得到的像素点概率进行非线性映射,构建模糊推理系统;将非线性映射后均匀分布的像素点概率输入模糊推理系统,判断像素点属于道路区域的概率,得到道路分割结果。结果表明:所提算法得到的平面地图道路分割模型较传统算法分割效果更好;准确率可以达到94.49%;单张平面地图的道路分割速度可达到5 s。 

【文章页数】：7 页

【文章目录】：
1 算法基本原理
    1.1 CNN模型及原理
    1.2 模糊推理系统原理
2 平面地图道路分割方法
    2.1 改进的CNN模型
        2.1.1 构建训练集
        2.1.2 卷积神经网络结构
        2.1.3 改进分割目标函数
    2.2 非线性映射
    2.3 构建模糊概率系统
    2.4 算法整体流程
3 实验结果分析
    3.1 实验环境
    3.2 训练集数据选取
    3.3 CNN模型训练及非线性映射构建
        3.3.1 CNN训练模型分析
        3.3.2 非线性映射函数
    3.4 图像提取标准评价体系
    3.5 实验结果分析
4 结论


【参考文献】：
期刊论文
[1]基于多通道小波卷积神经网络的路面异常检测算法[J]. 李博,张洪刚.  华中师范大学学报(自然科学版). 2019(02)
[2]基于全卷积神经网络的林区航拍图像虫害区域识别方法[J]. 刘文定,田洪宝,谢将剑,赵恩庭,张军国.  农业机械学报. 2019(03)
[3]多尺度卷积神经网络的视网膜血管分割[J]. 卓钟烁,程卉怡,刘冰雁,冯寿廷.  激光杂志. 2019(05)
[4]基于优化卷积神经网络的木材缺陷检测[J]. 刘英,周晓林,胡忠康,於亚斌,杨雨图,徐呈艺.  林业工程学报. 2019(01)
[5]卷积神经网络图像处理[J]. 柯研,王希龙,郑钰辉.  电子技术与软件工程. 2018(22)
[6]基于改进全卷积网络的皮肤病变图像分割[J]. 杨国亮,洪志阳,王志元,龚曼.  计算机工程与设计. 2018(11)
[7]基于全卷积神经网络的植物叶片分割算法[J]. 胡静,陈志泊,杨猛,张荣国,崔亚稷.  北京林业大学学报. 2018(11)
[8]基于模糊推理的悬臂式隧道掘进机工作性能预测方法[J]. 曹文贵,李树林,张永杰.  水文地质工程地质. 2018(05)
[9]基于卷积神经网络的车道线语义分割算法[J]. 徐国晟,张伟伟,吴训成,苏金亚,郭增高.  电子测量与仪器学报. 2018(07)
[10]手指静脉图像的概率分割方法研究[J]. 温梦娜,杨金锋.  小型微型计算机系统. 2018(07)



本文编号：3668356