融合显著性与深度学习的遥感影像建筑物提取

论文摘要

近年来随着遥感技术的不断发展,人们对于遥感影像的获取难度在逐渐降低,影像的分辨率也在不断提高,应用范围也不断扩大,包括土地变化检测、城市数据更新、防灾应急等多个方面。通过计算机进行处理的影像都是数字化影像,建筑物作为遥感影像最为突出的特征之一引起了广泛地关注,传统的建筑物提取方式是人工手动进行标注,耗费大量人力、财力和时间,所以建筑物的自动提取一直是科学研究中的难点问题。显著性检测算法主要是基于视觉注意机制原理来快速获取图像中显著区域的方法,图像显著区域的自动提取主要用的是自底向上的视觉注意模型,它是一种基于数据驱动的注意模型,不依靠人的先验知识和期望,通过提取图像的颜色、方向、亮度、纹理等基本特征来获取图像的显著图。本文分析了三种算法模型:基于生物特性的Itti模型、基于全局对比度的FT模型和基于信息论与频域的SR模型,对比了三种模型的优缺点,通过实验分析了三种算法对于遥感影像建筑物提取的效果,并通过查准率P、查全率R、综合评价F值来对实验结果进行分析讨论。近10年来人工智能呈现井喷式的发展。人工智能是基于大量的训练数据,遥感影像拥有海量的数据资源,为人工智能的发展提供了支持,人工智能的核心是深度学习算法,采用深度学习的方法提取建筑物可以获得较高的精度。本文分析了深度学习网络的算法原理、各层级结构,提出了一种基于图像分割的全卷积网络——改进的U-net网络。实验中,对于经典的U-net网络的输入、结构、边缘填充方式、卷积核大小等参数进行了修改,采用CCF数据集来测试网络性能,采用交并比IOU来评价精度。基于上述两种方法原理,本文提出了一种新的思路实现建筑物自动提取,即将显著性算法提取的显著图作为改进U-net网络的训练集进行训练。本文实验主要用的编程语言是Python和Matlab,深度学习框架为keras,使用的实验数据是从百度、谷歌地球和天地图中采集截取的遥感卫星影像,采用labelme软件进行数据标注。在训练过程中不断微调网络参数,包括学习率、批大小、卷积核个数与大小、模型层数等,采用控制变量法对不同参数进行分析。实验结果表明,在本实验数据集上,对比Itti、FT、SR和改进U-net网络,本文的实验方法在查准率P、查全率R、综合评价F值、交并比IOU各项标准的精度均有所提高。

论文目录

文章来源

类型: 硕士论文

作者: 杨帅

导师: 赵西安,吕京国,杨伯钢

关键词: 建筑物提取,显著性检测,深度学习,全卷积网络,框架

来源: 北京建筑大学

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 北京建筑大学

分类号: P237

总页数: 75

文件大小: 4497K

下载量: 376

相关论文文献

• [1].基于迁移学习的高分遥感影像场景分类[J]. 江苏科技信息 2019(35)
• [2].吉林一号高分辨率夜光遥感影像在城市监测中的应用[J]. 卫星应用 2020(03)
• [3].遥感影像的拓扑查询研究及实现[J]. 贵州大学学报(自然科学版) 2020(03)
• [4].基于华浩超算平台遥感影像几何校正研究——以资源一号02C数据为例[J]. 测绘与空间地理信息 2017(01)
• [5].遥感影像反演的雾参数地区差异性分析[J]. 遥感信息 2017(03)
• [6].一种改进的基于深度学习的遥感影像拼接方法[J]. 计算机工程与应用 2017(20)
• [7].遥感影像变化监测方法简述[J]. 城市建设理论研究(电子版) 2017(22)
• [8].一种遥感影像镶嵌线自动提取方法[J]. 城市地理 2017(08)
• [9].多源遥感数据融合研究综述[J]. 城市地理 2017(02)
• [10].论空中测量无人机遥感影像应用[J]. 城市地理 2017(12)
• [11].青海省玛沁县索呼多地区遥感影像地质特征及意义[J]. 环球人文地理 2017(09)
• [12].基于ArcGIS 10.0的遥感影像批量标准制图的实现[J]. 地壳构造与地壳应力文集 2016(01)
• [13].地震多源异构遥感影像数据库系统设计与实现[J]. 地壳构造与地壳应力文集 2016(02)
• [14].应用卫星遥感影像进行内外业一体化地形图制作[J]. 科学中国人 2017(11)
• [15].遥感影像获取为测绘地信事业的发展提供有力保障[J]. 科技创新导报 2020(11)
• [16].光学遥感影像几何校正方法分析[J]. 北京测绘 2020(09)
• [17].论遥感影像在矿山地质环境监测治理方面的应用[J]. 世界有色金属 2020(12)
• [18].基于遥感影像的辽阳地理国情监测技术方法研究[J]. 测绘与空间地理信息 2019(06)
• [19].基于遥感影像的县域贫困度评估方法[J]. 中国农学通报 2019(17)
• [20].遥感影像规模化高效处理方法与实现[J]. 计算机与数字工程 2016(11)
• [21].时空约束下任务驱动的遥感影像发现案例推理方法[J]. 武汉大学学报(信息科学版) 2017(06)
• [22].暗原色与导向滤波结合的遥感影像去雾技术[J]. 北京测绘 2017(04)
• [23].基于感知哈希的遥感影像认证算法研究[J]. 测绘学报 2017(09)
• [24].浅谈国产遥感影像在内蒙古森林资源调查中的应用示范[J]. 内蒙古林业调查设计 2015(06)
• [25].可视化遥感影像库系统设计与实现[J]. 计算机工程 2008(02)
• [26].全国地表类型遥感影像样本数据集[J]. 中国科学数据(中英文网络版) 2019(02)
• [27].基础性地理国情监测遥感影像几何校正精度分析[J]. 测绘与空间地理信息 2020(10)
• [28].结合主动学习和词袋模型的高分二号遥感影像自动化分类[J]. 测绘通报 2019(02)
• [29].多源控制遥感影像快速处理技术及应用[J]. 测绘通报 2019(09)
• [30].遥感影像暗原色统计先验分析[J]. 红外 2018(08)

标签：建筑物提取论文;  显著性检测论文;  深度学习论文;  全卷积网络论文;  框架论文;