由于計(jì)算機(jī)視覺在無人駕駛、智能機(jī)器人、三維重建、智能監(jiān)視和監(jiān)控等領(lǐng)域的廣泛應(yīng)用,近年來它變得越來越重要。而圖像語(yǔ)義分割作為計(jì)算機(jī)視覺的基礎(chǔ)任務(wù)和核心構(gòu)建模塊,因此發(fā)展的相當(dāng)迅速。在眾多分割方法中,深度神經(jīng)網(wǎng)絡(luò)憑借自身的優(yōu)勢(shì)在圖像分割領(lǐng)域獨(dú)當(dāng)一面。語(yǔ)義分割作為圖像識(shí)別任務(wù)的重要組成部分,與圖像分類和目標(biāo)檢測(cè)有不同的側(cè)重點(diǎn),它對(duì)空間位置和像素類別都有較高的要求。傳統(tǒng)的語(yǔ)義分割方法常由人工進(jìn)行操作,分割準(zhǔn)確度依賴工作人員的經(jīng)驗(yàn),一方面是對(duì)資源的浪費(fèi),另一方面還容易忽略一些高維特征信息,從而造成較多失誤。遙感圖像是通過傳感器接收來自地球表面的電磁波反射,再經(jīng)過信息處理而生成的數(shù)字圖像。道路作為遙感圖像中重要的資源,可廣泛應(yīng)用于地圖繪制、車輛導(dǎo)航、城市規(guī)劃等領(lǐng)域。所以,將道路信息精準(zhǔn)、高效的從遙感圖像中分割提取出來意義深遠(yuǎn)。針對(duì)遙感圖像中道路占比不均勻、道路狹長(zhǎng)跨度大等特點(diǎn),本文提出兩種基于深度神經(jīng)網(wǎng)絡(luò)的方法來提高道路的分割精度和保障道路提取的完整性。(1)提出一種名為A-Unet34網(wǎng)絡(luò)的編-解碼型遙感圖像道路提取算法。該算法采用串聯(lián)空洞卷積連接網(wǎng)絡(luò)的編碼器和解碼器,并用遷移學(xué)習(xí)的方法將預(yù)訓(xùn)練好...

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 遙感圖像道路提取傳統(tǒng)方法
        1.2.2 基于深度學(xué)習(xí)的道路分割技術(shù)
    1.3 目前存在的主要問題
    1.4 論文研究?jī)?nèi)容
        1.4.1 論文的主要工作
        1.4.2 論文的主要?jiǎng)?chuàng)新點(diǎn)
    1.5 論文結(jié)構(gòu)安排
2 相關(guān)技術(shù)及研究
    2.1 圖像語(yǔ)義分割模型
        2.1.1 非深度學(xué)習(xí)模型
        2.1.2 深度神經(jīng)網(wǎng)絡(luò)語(yǔ)義分割模型
    2.2 深度卷積神經(jīng)網(wǎng)絡(luò)及其網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.1 卷積層
        2.2.2 池化層
        2.2.3 激活函數(shù)
        2.2.4 全連接層
    2.3 遷移學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)優(yōu)化
        2.3.1 圖像語(yǔ)義分割網(wǎng)絡(luò)的遷移學(xué)習(xí)
        2.3.2 神經(jīng)網(wǎng)絡(luò)優(yōu)化算法
    2.4 通道注意力機(jī)制和空洞卷積
        2.4.1 通道注意力機(jī)制
        2.4.2 空洞卷積
    2.5 本章小結(jié)
3 基于A-Unet34網(wǎng)絡(luò)的道路提取
    3.1 A-Unet34網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 ELU激活函數(shù)
    3.3 混合損失函數(shù)
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 實(shí)驗(yàn)設(shè)置及預(yù)處理
        3.4.2 客觀評(píng)價(jià)指標(biāo)
        3.4.3 實(shí)驗(yàn)主客觀對(duì)比
    3.5 本章小結(jié)
4 基于多尺度Deep-Unet網(wǎng)絡(luò)的道路提取
    4.1 從Unet到 Deep-Unet
    4.2 MSDeep-Unet網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 自適應(yīng)損失函數(shù)
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 數(shù)據(jù)集介紹和預(yù)處理
        4.4.2 實(shí)驗(yàn)主客觀對(duì)比
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果



本文編號(hào)：4051096