基于卷积神经网络的空心村高分影像建筑物检测方法

发布时间：2018-07-21 21:55

【摘要】：基于卷积神经网络(CNN)提出了一种适用于空心村高分影像的建筑物自动检测方法,该方法利用多尺度显著性检测来获取包含建筑物信息的显著性区域,然后通过滑动窗口获取显著性区域内目标样本块,再将这些样本块输入训练好的CNN并结合SVM来实现分类。为检验方法有效性,选取高分影像进行实验,结果表明,显著性检测能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,基于CNN对高分影像进行建筑物检测,分类准确度可以达到97.6%,表明该方法具有较好的鲁棒性和有效性。
[Abstract]:Based on convolution neural network (CNN), a building automatic detection method for hollow village high score image is proposed. The method uses multi-scale salience detection to obtain significant area containing building information. Then, the target sample blocks in the significant region are obtained by sliding window, and then the sample blocks are input into the trained CNN and the SVM is used to realize the classification. In order to verify the effectiveness of the method, the high score images are selected for the experiment. The results show that the significant detection can effectively obtain the main targets, reduce the impact of other unrelated targets, and reduce the data redundancy. Convolution neural network can automatically learn high-level features, and the classification accuracy can reach 97.6based on CNN for building detection of high-score images, which shows that this method has good robustness and effectiveness.
【作者单位】： 西南交通大学地球科学与环境工程学院;四川省土地统征事物中心;成都理工大学地球科学学院;四川大学水利水电学院;中铁二院工程集团有限公司;
【基金】：“十二五”国家科技支撑计划项目(2014BAL01B04)
【分类号】：TP183;TP751

【相似文献】

相关期刊论文 前10条

1 黄洪钟,李海滨;有限元的神经网络计算方法研究[J];机械强度;2003年03期

2 彭磊;田丽;;基于神经网络消除噪声技术的研究[J];黑龙江科技信息;2009年16期

3 林建辉,陈建政,陈琳;基于神经网络的转子动力系统稳定性辨识[J];机械科学与技术;1999年02期

4 熊日华,王世昌;神经网络在膜技术中的应用[J];膜科学与技术;2003年06期

5 高强;钱林方;侯远龙;王力;;泵控缸电液位置伺服系统的神经网络模型参考自适应控制[J];机床与液压;2008年06期

6 缑新科;崔明月;;神经网络-遗传算法在振动控制系统中的应用[J];机械设计与制造;2009年08期

7 于祥;赵冬至;张丰收;肖忠峰;;基于神经网络的红树林景观特性遥感提取技术研究[J];海洋环境科学;2007年06期

8 国蓉;何镇安;;基于多级神经网络的被动声定位算法研究[J];计算机应用研究;2011年06期

9 石小云;;基于SOM神经网络的静止卫星云图分类[J];电子设计工程;2011年16期

10 丁国良,张春路,李灏;神经网络在空调器仿真中的应用研究[J];制冷学报;1999年02期

相关会议论文 前10条

1 徐慧;徐海樵;张必银;;基于LVQ神经网络的水声目标识别技术[A];中国造船工程学会电子技术学术委员会——2012年水下复杂战场环境目标识别与对抗及仿真技术学术交流论文集[C];2012年

2 张彼德;;汽轮发电机组振动多故障诊断的神经网络方法研究[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

3 金凤;;基于神经网络与理想解的多属性决策[A];第四届全国船舶与海洋工程学术会议论文集[C];2009年

4 吴宝志;袁晓梅;;基于神经网络的汽车空调系统变工况运行的仿真研究[A];第九届全国冷水机组与热泵技术学术会议论文集[C];1999年

5 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];液压与气动学术研讨会论文集[C];2004年

6 于洪洁;彭建华;;具有非线性耦合函数的HR神经网络的混沌同步[A];中国力学学会学术大会'2005论文摘要集（下）[C];2005年

7 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];第三届全国流体传动及控制工程学术会议论文集（第三卷）[C];2004年

8 王祥厚;李程远;;台阶爆破岩石块度预测的神经网络[A];第七届全国工程爆破学术会议论文集[C];2001年

9 潘滨;陈剑平;李晓茹;;改进BP神经网络在岩质边坡稳定性分析中的应用[A];第八届全国工程地质大会论文集[C];2008年

10 钟小丽;谢菠荪;;使用神经网络进行中垂面头相关传输函数外插[A];中国声学学会2005年青年学术会议[CYCA'05]论文集[C];2005年

相关博士学位论文 前2条

1 李广博;Fourier正交基神经网络加权响应面法的结构可靠性分析[D];吉林大学;2014年

2 李英伟;基于增量改进BP神经网络微波深度干燥模型及应用研究[D];昆明理工大学;2011年

相关硕士学位论文 前10条

1 吴航;基于卷积神经网络的遥感图像配准方法[D];南昌大学;2015年

2 黄伟明;基于神经网络的LED可靠性分析模型研究[D];华南理工大学;2016年

3 宋欣益;基于卷积神经网络的高光谱数据分类方法研究[D];哈尔滨工业大学;2016年

4 王舰锋;基于卷积神经网络的卫星云量计算[D];南京信息工程大学;2016年

5 邢凯;基于神经网络和Contourlet的遥感图像分类处理[D];黑龙江大学;2016年

6 王杰;基于遗传算法神经网络的某制冷空调系统性能预测研究[D];华中科技大学;2015年

7 孟春林;神经网络PID在热交换器中的应用[D];太原科技大学;2009年

8 董航飞;基于神经网络的中央空调温度控制研究[D];扬州大学;2009年

9 石小云;基于神经网络方法的卫星图像云分类[D];中国海洋大学;2012年

10 马玉秀;神经网络在激光遥感鉴别海面溢油中的应用[D];大连海事大学;2006年

，

本文编号：2136977