基于深度卷积神经网络的高分辨遥感图像不透水面提取研究

发布时间：2022-09-27 16:45

　　鉴于不透水面里面有着错综复杂的信息,另外在卫星拍摄过程中大气、云层也会对此有所影响,所以造成遥感影像中的不透水面的识别和提取过程有一定的错分。用传统的方法提取精度较高,但是在识别的过程中是依靠人工手动去判断,明显降低了工作效率。本文针对不透水面识别与提取时的低效率问题,提出了基于深度卷积神经网络的高分辨率遥感图像不透水面提取方法:以云南省昆明市高空间分辨率Google earth遥感影像为数据源（分辨率为2m）,利用14700张切片数据作为训练数据和5041张切片作为验证数据,选取Deeplabv3模型、U-Net模型、CS-Net模型、PSPNet模型、SegNet模型等5种深度卷积神经网络算法对高分辨率遥感图像进行不透水面信息提取,并对5种卷积神经网络算法提取结果进行对比分析。根据分析结果,找出最优方法并进行参数调优,提升不透水面提取效果。研究结果表明:（1）通过Deeplabv3模型、U-Net模型、CS-Net模型、PSPNet模型、SegNet模型等5种基于深度卷积神经网络算法对不透水面提取结果的分析,得到结果表明:U-Net模型的精度最高,其总体精度达到了76.80%,Ka... 

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 不透水面的国内外研究现状
        1.2.1 不透水面提取现状
        1.2.2 深度学习关于不透水面信息提取的应用
    1.3 论文技术路线及组织结构
        1.3.1 技术路线
        1.3.2 组织结构
    1.4 本章小结
第2章 相关概念和模型介绍
    2.1 深度学习的框架
        2.1.1 深度学习背景
        2.1.2 TensorFlow深度学习框架
        2.1.3 Pytorch深度学习框架
        2.1.4 TensorFlow和 Pytorch深度学习框架的比较
        2.1.5 TensorBoard的介绍
    2.2 常见的基于深度学习的语义分割模型
        2.2.1 FCN系列的卷积神经网络模型
        2.2.2 SegNet神经网络模型
        2.2.3 U-Net神经网络模型
        2.2.4 Deeplab系列的神经网络模型
        2.2.5 PSPNet金字塔场景解析神经网络模型
        2.2.6 CS-Net神经网络模型
    2.3 本章小结
第3章 基于多个模型的不透水面提取实验
    3.1 研究区域概况
    3.2 数据来源与数据预处理
        3.2.1 数据来源
        3.2.2 数据预处理
    3.3 数据集构建和实验环境搭建
        3.3.1 数据集构建
        3.3.2 实验环境搭建
    3.4多个模型的不透水面信息提取实验
        3.4.1 基于Deeplabv3 网络模型提取不透水面
        3.4.2 基于U-Net网络模型提取不透水面
        3.4.3 基于CS-Net网络模型提取不透水面
        3.4.4 基于PSPNet网络模型提取不透水面
        3.4.5 基于SegNet网络模型提取不透水面
    3.5 实验结果分析
        3.5.1 实验样本选取
        3.5.2 实验结果对比
        3.5.3 实验结果总结
    3.6 本章小结
第4章 深度卷积神经网络模型的参数分析
    4.1 U-Net模型训练结果分析
        4.1.1 U-Net卷积神经网络模型结构分析
        4.1.2 Dilated Convolutions(空洞卷积)
    4.2 改进的U-Net卷积神经网络模型常见参数介绍及设置
        4.2.1 参数batch_size
        4.2.2 参数iterations
        4.2.3 参数epochs
        4.2.4 参数weight decay
        4.2.5 参数学习率衰减(learning rate decay)
    4.3 Resnet结构
    4.4 改进的U-Net网络
    4.5 实验训练结果与分析
        4.5.1 修改参数
        4.5.2 改进前后的U-Net模型的实验结果对比
    4.6 本章小结
第5章 监督分类与非监督分类提取不透水面信息
    5.1 监督分类提取不透水面信息
        5.1.1 平行六面体分类算法
        5.1.2 最小距离分类算法
        5.1.3 最大似然分类算法
        5.1.4 BP神经网络分类算法
    5.2 非监督分类提取不透水面信息
        5.2.1 IsoData分类算法
        5.2.2 K-Means分类算法
    5.3 实验结果分析
    5.4 本章小结
第6章 总结和展望
    6.1 总结
    6.2 展望
参考文献
攻读学位期间发表的学术论文及获奖
致谢


【参考文献】：
期刊论文
[1]Landsat8不透水面遥感信息提取方法对比[J]. 刘畅,杨康,程亮,李满春,郭紫燕.  国土资源遥感. 2019(03)
[2]基于PUL算法及高分辨率WorldView影像的城市不透水面提取[J]. 刘冉,李文楷,刘小平,陈逸敏,刘珍环.  地理与地理信息科学. 2018(01)
[3]基于Landsat年际序列影像的武汉市不透水面遥感监测[J]. 邵振峰,潘银,蔡燕宁,舒阳,王浩.  地理空间信息. 2018(01)
[4]基于遥感的高精度城市不透水面信息提取方法研究[J]. 高玉斌,黄津辉,周飞祥.  中国给水排水. 2017(09)
[5]基于高分二号卫星影像的城市不透水面提取[J]. 刘波,张源,程涛,宋杨.  地理信息世界. 2017(02)
[6]基于测绘卫星影像的城市不透水面提取[J]. 邵振峰,张源,周伟琪,宋杨.  地理空间信息. 2016(07)
[7]基于多源多时相数据集的喀什市近70a城区空间扩展遥感研究[J]. 侯博展,陈蜀江,侯建楠,黄铁成,贾翔.  冰川冻土. 2016(03)
[8]基于夜间灯光的1992-2012年甘肃省城市空间扩展研究[J]. 李俊峰,潘竟虎.  冰川冻土. 2016(03)
[9]遥感技术在不透水层提取中的应用与展望[J]. 李德仁,罗晖,邵振峰.  武汉大学学报(信息科学版). 2016(05)
[10]三亚生态现状及规划对策[J]. 卢梦哲,黄险峰.  中国名城. 2014(09)

硕士论文
[1]LiDAR结合高分辨率影像的城市不透水地表提取研究[D]. 贾娜娜.新疆大学 2017
[2]城市不透水面信息提取方法及应用研究[D]. 林婉晴.福建师范大学 2015



本文编号：3681232