基于无人机影像的违章建筑检测方法研究

论文摘要

随着经济水平的不断提高,中国的城市扩张速度也变得越来越快,在城市扩张的同时也出现了许多违章建筑物,这些违章建筑物并不符合建筑规章要求,因此具有很大的危险性。传统采用人工巡查的方法来进行违章建筑物的查拆工作需要投入大量的人力。无人机也是近年来迅速发展的技术,可以在很短的时间内获取实验区域的超高分辨率影像,所以经常被用来进行电力巡查、灾情普查等领域。无人机可以方便快捷的获取超高分辨率影像,利用变化检测技术可以进行快速违章建筑物检测。但是传统的变化检测方法仅适用于中低分辨率及高分辨率影像,但是如何利用超高分辨率的无人机影像进行建筑物变化检测仍然是一个亟待解决的问题。本文针对上述问题,主要研究了利用无人机影像的建筑物变化检测方法,具体研究内容如下。(1)深入研究并总结了无人机摄影测量原理技术与深度学习理论;(2)研究了现有的面向对象的主动轮廓变化检测技术,并将其扩展到无人机超高分辨率影像的建筑物变化检测。首先利用统计区域合并对无人机影像进行分割,并利用主动轮廓模型进行变化检测。实验结果表明,该方法可用于无人机建筑物变化检测,但受分割尺度和光照变化影响较大;(3)研究了卷积Siamese深度学习网络,并将其扩展到无人机影像建筑物场景变化检测。通过构建变化与未变化场景,对深度网络进行训练,实现建筑物场景变化检测。实验结果表明该网络可实现高精度的建筑物场景变化检测,受光照、配准误差等因素影响较小。通过上述研究,本文实现了基于无人机影像的建筑物自动检测方法,可大大降低外业工作量和人工排查工作量,同时为无人机变化检测及违章建筑检测提供理论基础和技术支撑。

论文目录

摘要

abstract

1 引言

1.1 选题背景与意义

1.2 研究现状与存在问题

1.2.1 遥感影像变化检测研究现状

1.2.2 城市违章建筑检测研究现状

1.2.3 存在问题分析

1.3 研究目标和内容

1.3.1 研究目标

1.3.2 研究内容

1.4 技术路线与研究方案

1.4.1 研究方法

1.4.2 技术路线

2 无人机与深度学习

2.1 无人机

2.1.1 无人机摄影测量系统

2.1.2 无人机摄影测量原理

2.1.3 无人机在违规建筑变化检测中的应用

2.2 深度学习

2.2.1 深度学习的概念

2.2.2 浅层学习和深度学习

2.2.3 卷积神经网络

2.3 实验数据介绍

3 基于主动轮廓模型的对象级无人机违章建筑物检测

3.1 统计区域合并分割方法

3.2 主动轮廓模型

3.3 基于主动轮廓模型的对象级无人机违章建筑物检测

3.3.1 检测方法与流程

3.3.2 实验结果与分析

3.4 小结

4 基于Siamese网络的违章建筑物场景检测

4.1 Siamese深度学习网络

4.2 网络模型

4.2.1 数据输入

4.2.2 网络结构

4.2.3 网络配置选择

4.3 违章建筑检测实验结果和分析

4.4 小结

5 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

附录

文章来源

类型: 硕士论文

作者: 李昌鹏

导师: 洪友堂,陈庆刚

关键词: 变化检测,无人机影像,深度学习,违章建筑物检测

来源: 中国地质大学(北京)

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 中国地质大学(北京)

分类号: P237

DOI: 10.27493/d.cnki.gzdzy.2019.001657

总页数: 69

文件大小: 3221K

下载量: 355

基于无人机影像的违章建筑检测方法研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢