道路提取算法及火灾下疏散路网生成

发布时间：2024-07-06 11:13

　　不时发生的火灾给社会带来严重的损失,对火灾的预防、监控和灾害发生时对人群疏散的研究已经成为热点。由于空间和视角的限制,比较大规模火灾发生时,处于现场的救援人员往往无法准确得知周边情况。为了更好辅助救援人员抢险救灾和人群疏散工作,本文提出一种基于航拍图像的大范围路网提取算法以及火灾发生时疏散路网更新生成方法,利用深度学习网络模型和图像处理技术将航拍图像中的道路、火情信息生成可以理解的语义信息,从高空视角给出宏观总体态势信息,辅助应急管理、人群疏散等决策工作。本文主要研究内容如下:1)综述了灾害周边环境感知所用到的道路识别算法和火焰识别算法研究现状,并对现有的深度学习神经网络模型和算法进行了分析。2)提出一种道路识别网络模型D-Cross Link Net,设计了跨分辨率交叉连接、双空洞卷积模块,实现从航拍图中抽取城市道路网络任务,通过实验证明了结果的有效性和优越性。3)实现了综合RGB、YCb Cr、HSI三种颜色空间规则的火焰识别算法,识别并定位图像中火灾点,生成标记效果图,适用于多种格式和不同分辨率的图像。将道路识别结果和火焰识别结果融合,将道路上的火灾点标记为障碍点,生成具有火情标...

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图1.1整体研究框架

第一章绪论5耦合致灾机理与规律”（2016YFC0800100），和国家自然科学基金项目“多约束Power图快速计算算法研究”(61972128)。1.4研究内容灾害发生的时候利用现有技术和手段让救援人员明晰灾害现场的真实情况是抢险救灾正确指挥的重要保障，因此研究火灾下的疏散路网....

图2.1CNN与FCN的工作原理

第二章相关工作介绍7第二章相关工作介绍本章介绍支撑灾害环境感知方法中使用的算法和相关理论，首先是基于深度学习方法的道路识别相关理论，其次是基于颜色空间规则的火焰识别相关理论。2.1道路抽取方法相关工作在分析了国内外对航拍图像的道路网络抽取方法后，经过比较本文选择使用深度学习方法做....

图2.2不同空洞率的空洞卷积（a）空洞率为1，（b）空洞率为2，（c）空洞率为4

ield）。在道路抽取任务中，由于道路像素的个数在数据集的图像中相对于非道路来说占整个图像的像素点个数的比例较小，且道路有曲折复杂、纵横交错的特点而导致精确的道路抽取工作十分困难。为了应对这些难点获得更高的识别精度，应该尽可能的保证特征信息的全局性，而特征图感受野的适当增大可以使....

图3.1D-CrossLinkNet模型结构图，其中①为编码器②为中间部分③为解码器Fig3.1D-CrossLinkNetmodelstructurediagram,Part1istheencoder,Part2istheCenterpart,Part3isthedecoder.本文提出的D-CrossLinkNet可以分为三个部分，分别为编码器、中间部分、

合肥工业大学专业硕士研究生学位论文12像素点的丢失从而引起了图像细节信息的丢失。其次D-LinkNet值在网络模型的最后一层使用了空洞卷积层，没有很好的利用多层次的特征信息，在现代的语义分割任务的实践中，利用多尺度数据是主流思想。由此，本文提出了双空洞卷积模块，在多次空洞卷积操作....

本文编号：4002470