基于卷积神经网络的城市遥感影像道路分割

发布时间：2020-06-26 20:43

【摘要】：自从美国在1972年发射了地球上首颗陆地观测卫星以来,包括图像处理、分类、融合和理解在内的各种遥感图像处理技术迅速发展。高分辨率遥感图像被广泛应用于各个领域,包括:城市发展规划、基础地理信息绘图、环境监测和评估、精准农业和公共信息服务等。遥感图像最主要的应用目标是提取感兴趣目标的信息,然后识别该信息以完成图像理解。道路是交通运输的主干和基本方式,对人类文明的发展提供了许多的支持。道路提取研究对于交通管理具有重要意义,包括城市规划、道路监控、GPS导航、地图更新、图像注册等。对高分辨率遥感卫星图像进行道路提取不仅是一个挑战性极大的研究方向,而且它还具有极大的研究价值。在本文中,主要研究的是用卷积神经网络对高分遥感图像道路进行分割提取。改进卷积神经网络模型,用呼和浩特城市遥感图像道路数据集对神经网络进行训练。本文的主要内容和结论如下:(1)经典卷积神经网络模型存在输出图像的分辨率降低,图像上的信息丢失过多,提取的信息不够和参数过多等缺点。所以本文引入反卷积的概念,将神经网络的全连接层去掉,用卷积层替代,并在卷积层之后使用反卷积层。反卷积的存在不仅减少了参数数量,而且能召回丢失的信息,使得输出图像分辨率和原始图像一样大。(2)基于卷积神经网络的高分辨率遥感图像自动道路提取:在本文中,本文制作了中国内蒙古呼和浩特地区的城市道路遥感数据集,训练本文所提出的卷积神经网络,提取城市道路。(3)在实验过程中,本文研究了学习率、batch_size等超参数对模型精度以及训练时间的影响。然后选择最优模型实验结果可知:本文所改进的卷积神经网络模型在训练集的提取精度达到了93.2%，在验证集的精度达到了90.1%。(4)使用该模型对遥感图像道路进行提取,并与其它模型方法的提取效果进行对比。(5)本文通过对神经网络训练过程中卷积层图像特征的可视化了解神经网络的图像特征提取过程。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;TP751
【图文】：

技术路线图,道路提取,遥感,道路

果对比逡逑图１－１技术路线图逡逑如图１－１所示，本文的重点是设计一个卷积神经网络对本文制作的遥感道路数逡逑据集进行道路提取的训练和测试。其主要分为：卷积神经网络模型设计、编程实逡逑现、道路提取实验、精度评价、与其它模型提取结果对比这五个部分。逡逑卷积神经网络模型的设计、编程实现和道路提取实验是本文中的重点。其整逡逑体过程如下所示：逡逑（１）

卷积核,局部连接,感受野,生成特征

因为只有一个卷积核，所以对于图像特征的提取肯定是不够的。因此。我们逡逑可以在对神经网络进行设计的时候，在每一层网络中都设计多个卷积核。例如６４逡逑个卷积核可以在该层学习到图像的６４个特征。如图２－２所示［４２］：逡逑ｆＪ逦＾逡逑（ａ）逦（ｂ）逡逑图２－２多重卷积结构１４２１逡逑（ａ）为局部连接网络；（ｂ）为卷积神经网络逡逑上图２－２中，不同的卷积核由具有不同颜色的圆来表示，并且每个卷积核在卷逡逑积之后都会生成特征图像。在上图（ａ）的局部连接yL经网络中，在同一个感受野只逡逑有一个提取特征的卷积核，而在右边图（ｂ）的多重卷积神经网络中，可以从同一片逡逑感受野中利用多个卷积核提取出多个不同的特征。逡逑２．１．３卷积神经网络基本结构逡逑随着深度学习的研宄者对神经网络不断的改进研宄，出现了非常多的网络模逡逑型，他们都有相似的组成部分。卷积神经网络通常都由输入层、激活函数、卷积逡逑层、池化层和全连接层等构成。其结构如图２－３所示：逡逑１２逡逑

【参考文献】