论文摘要
目前Level-Set图像分割方法存在初始轮廓的确定受人为因素影响较大的问题,对目标被遮盖和目标与背景灰度值相近无法达到理想的分割效果。针对此问题,本文提出了利用Faster-RCNN网络模型确定目标初始轮廓和区域信息的先验水平集图像分割方法,搭建Caffe深度学习框架训练Faster-RCNN网络模型;通过有监督学习的方式在IAILD数据集上训练模型,检测出目标建筑物并初步提取建筑物的轮廓,并将其与形状先验的Level-Set算法结合。对比实验结果表明,本文方法解决了Level-Set算法中图像分割结果初始轮廓受人为标记框选的影响较大的问题,能够更好地完成被遮挡建筑物的分割,对于目标建筑和背景灰度值相近也能达到更好的分割效果。
论文目录
文章来源
类型: 期刊论文
作者: 左俊皓,赵聪,朱晓龙,任洪娥
关键词: 深度学习,建筑物提取
来源: 液晶与显示 2019年04期
年度: 2019
分类: 基础科学,信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 东北林业大学信息与计算机工程学院
基金: 中央高校基本科研业务费专项资金资助项目(No.2572017PZ10)~~
分类号: TP751;TP181
页码: 439-447
总页数: 9
文件大小: 518K
下载量: 282