基于全卷积神经网络的海洋全场景分割

发布时间：2021-08-06 07:49

　　近年来,随着图形处理器等硬件设备的发展,深度学习也得到了飞速发展,在计算机视觉的各个研究领域中都得到了广泛应用,比如图像分类、图像检测、图像语义分割等,大量实践和研究表明深度卷积神经网络能准确高效地完成计算机视觉任务。在遥感领域,对海洋舰船图像的分割是一个重要的研究方向。为了获取目标舰船的位置、航向、类别等信息,需要快速、准确地对其进行分割处理,为后续进一步的信息提取提供基础。本文主要针对光学遥感图像,首先对U-Net进行改进完成了海陆分割任务,然后基于全卷积神经网络对海洋舰船构建了语义分割网络模型,并在此基础上改进优化实现了对舰船的实例分割。主要工作如下:（1）对U-Net网络进行了改进,重新设计了编码器和译码器之间的跳跃连接方式,使用更为复杂的密集连接,可以更好的传递特征,让深层特征与浅层特征充分融合,提升网络的分割精度,完成了海陆分割。（2）基于全卷积神经网络提出了一种编码器-译码器的全卷积网络结构,以带有残差的卷积块作为编码器来提取图像特征,以连续的转置卷积作为译码器,并在编码器与译码器间有效融合了个层级特征,同时还使用了带有权重的损失函数,实现了对海洋遥感图像端到端的全场景语... 

【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图２－１卷积操作示意图??

ｊ??ｌｉｉｓ?？?ｋ?ｉｉｉｉｉ?—??ＢｍＴｆｆｐｎｌＢＷ?ｊ?ｖ．?ＭＭＷＩｂｉＢＩｈ?？?＇」??ｍｕｔ兴ｅ?ｐｏｏｉｌ?ｐｏｏｌ？?ｐｏｏｌ３?ｐａｏＵ?ｐｏｏｌ５?Ａ?ｐ〇ｏｌ４?－ｐｏｏｌ３?．．．．．??■那冲氺＿?ＦＦＷＦｆｆｌ?１１１：！?Ｉ???Ｊ?ｊ?ｐｒｆｄｋｎｏｎ?ｊ￣?ｐｒｅｄｉｃｔｉｏｎ??ＩＢｌｌ?Ｐ：ＩＰ?＿Ｉ＿??一＊￣＼ｆ?ＰＩＩＩＰ?／??ＨＩ?５０??Ｉ?—＇＇??—■—■?．」?＇??－??一，．？＞?＊??图２－２?ＦＣＮ结构示意图??Ｆｉｇ．２－２?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＦＣＮ??８??

?第二章相关工作???ＦＣＮ的上采样过程中使用了一种跳跃连接，输入图像在经过５次池化层后，特征??图尺寸大小为原来的１／３２，经过一次２倍的上采样后，和原图１／１６大小的特征图相加??（ｐｌｕｓ），然后再经过一次２倍的上采样，和原图１／８大小的特征图相加，最后直接??经过一次８倍的上采样，得到和输入图像相同尺寸的结果，即图２－２中的ＦＣＮ－８Ｓ。虽??然ＦＣＮ得到的分割结果还不够精细，但首次实现了端到端的语义分割，为后续的研??究提供了基矗??２．１．３?Ｕ－Ｎｅｔ??Ｕ－Ｎｅｔ属于ＦＣＮ的一种变体，一开始是用于生物医学图像的分割，由于效果良好，??很快推广到了如遥感图傺分割等其他领域的应用。??＆４?６４??ｘａａ?６４?２??ｉｎｐｕｔ?？．??ｉｍａｇｅ????????＊?ｏｕ，ｐｕ，?，?ｔ．??ｔｉｌｅ?．?〇?ｓ?３?ｓｅｇｍｅｎｔａｔ＞ｏｎ??＾?Ｉ?Ｉ?ｍａｐ??ｓｓｉ?１?ｉ?ｉ?ｉ??Ｘ?Ｍ?Ｘ?＇??Ｏ?ＣＯ?．??＾?１２８?１２８??Ｊｌ???＾?，５Ｘ２?２Ｓ６?？??ｍｔｍ????ｓ；?ＩｔＨ?？一３．瞻??娜扣?－ｃｏｐｙ?ａｎｄ?ｃｒｏｐ??ＪＨＷＩ?—?Ａ?＃?ｍａｘ?ｐｏｏｌ?２ｘ２??沒？?ｉ〇２４?？?ｓ?Ｊ?｜?ｕｐ－ｃｏｎｖ?２ｘ２??－?？?ｃｏｎｖ?ｉｘｌ??图２－３?Ｕ－Ｎｅｔ结构示意图??Ｆｉｇ．２－３?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?Ｕ－Ｎｅｔ??如图２－３所示，Ｕ－Ｎｅｔ的网络结构更为对称，结构形似大写字母“Ｕ”，所以称为??Ｕ－Ｎｅｔ。与ＦＣＮ相比，Ｕ－Ｎｅｔ上采样部分更为复杂，上采样的次数更多

【参考文献】：
期刊论文
[1]区域分割的自适应变异粒子群算法[J]. 陈侃松,阮玉龙,戴磊,兰智高,邵建设.  电子学报. 2017(08)
[2]基于平均中值离差的2维最小误差阈值分割法[J]. 宋斌,杨恢先,曾金芳,谭正华,李翠菊.  激光技术. 2015(05)
[3]图像分割算法综述与探索[J]. 张春伶.  科技创新与应用. 2012(13)
[4]基于Sobel算子的图像边缘检测研究[J]. 袁春兰,熊宗龙,周雪花,彭小辉.  激光与红外. 2009(01)

硕士论文
[1]基于全卷积神经网络的遥感图像语义分割及变化检测方法研究[D]. 王朵.西安电子科技大学 2018
[2]基于全卷积网络的高分一号遥感影像分割方法[D]. 张航.山东农业大学 2018



本文编号：3325383