Print

一种高分辨率遥感图像道路自动提取方法

论文摘要

高分辨率遥感图像道路提取是遥感界关注的重要研究领域,如何快速、有效、智能地进行遥感信息分析和处理是当今遥感界迫切需要解决的问题,自动道路提取方法称为道路提取研究的热点。针对道路提取受遥感图像噪声和树木阴影等复杂自然场景因素影响的问题,提出一种基于卷积神经网络(CNN)和数学形态学算法相结合的自动道路提取方法。首先,构建出深度卷积神经网络模型,在训练卷积神经网络模型时,通过改进的批量随机梯度下降算法(MBGD)来训练深度卷积神经网络;然后,利用训练好的深度卷积神经网络进行道路特征的提取;最后,结合数学形态学优化算法进一步优化道路提取结果。实验结果表明,该方法能提取出完整的道路区域。

论文目录

  • 1 概 述
  • 2 卷积神经网络
  •   2.1 卷积神经网络模型简介
  •   2.2 逻辑回归
  •   2.3 学习率
  • 3 形状特征分析和数学形态学优化
  •   （1） 面积S。
  •   （2） 圆形度C[12]。
  • 4 实验结果与分析
  • 5 结束语

    • 文章来源

    类型: 期刊论文

    作者: 魏清,艾玲梅,叶雪娜

    关键词: 道路提取,卷积神经网络,批量梯度下降算法,形状特征分析

    来源: 计算机技术与发展 2019年06期

    年度: 2019

    分类: 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: 陕西省交通规划设计研究院,陕西师范大学计算机科学学院

    基金: 国家自然科学基金(61672021),陕西省自然科学基础研究计划资助项目(2017JM6108),陕西省交通运输厅2016年度交通科技项目(16-55X),公路BIM建模技术开发(1204070238)

    分类号: TP751;TP183

    页码: 130-133

    总页数: 4

    文件大小: 1583K

    下载量: 495

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/2735de551172288e8654cb49.html