【摘要】：遙感圖像的分割是根據(jù)一定的相似性準(zhǔn)則將圖像劃分成不同區(qū)域的過程,是遙感圖像處理領(lǐng)域的基本問題之一。對于遙感圖像的場景解析、目標(biāo)檢測和圖像3D重構(gòu)等任務(wù),圖像分割都擔(dān)任了重要的角色。從遙感技術(shù)發(fā)展到現(xiàn)在,仍然是研究的熱點(diǎn)之一,并且被廣泛應(yīng)用于氣象預(yù)測、地質(zhì)勘探、森林防火等諸多領(lǐng)域。但是隨著遙感技術(shù)從低分辨率圖像向高分辨率圖像發(fā)展,傳統(tǒng)的遙感圖像數(shù)據(jù)處理方法難以達(dá)到處理高分辨率圖像的水平,不能充分提取高分辨率圖像的信息,因此,亟待出現(xiàn)一種新型的、能夠處理高分辨率圖像的算法。結(jié)合不同遙感圖像數(shù)據(jù)的自身的特點(diǎn),進(jìn)行數(shù)據(jù)間的聯(lián)合應(yīng)用,實(shí)現(xiàn)不同源數(shù)據(jù)的優(yōu)勢互補(bǔ),提高遙感圖像數(shù)據(jù)的信息提取能力。本文從高分辨率遙感數(shù)據(jù)和其對應(yīng)的高程數(shù)據(jù)聯(lián)合應(yīng)用出發(fā),運(yùn)用遷移學(xué)習(xí)的方法,基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建了單源遙感數(shù)據(jù)的分割模型,在此基礎(chǔ)上,又建立基于全卷積網(wǎng)絡(luò)的雙源遙感數(shù)據(jù)語義分割模型,利用深度神經(jīng)網(wǎng)絡(luò)的特征學(xué)習(xí)和強(qiáng)大的表示能力,更有效地完成了對雙源數(shù)據(jù)的信息處理,達(dá)到了進(jìn)一步提高分割精度的目的。論文的研究內(nèi)容主要包括一下幾個(gè)方面:首先,研究了深度學(xué)習(xí)的發(fā)展歷程和卷積神經(jīng)網(wǎng)絡(luò)的基本理論與應(yīng)用以及遷移學(xué)習(xí)的典型模型這三個(gè)部分。首先梳理了深度學(xué)習(xí)的發(fā)展歷程,其次對于卷積神經(jīng)網(wǎng)絡(luò)的基本原理與訓(xùn)練過程進(jìn)行簡要介紹。最后,介紹了遷移學(xué)習(xí)的基本概念和常用的網(wǎng)絡(luò)模型。其次,構(gòu)建了基于卷積神經(jīng)網(wǎng)絡(luò)的單源遙感數(shù)據(jù)的語義分割模型,采用了遷移學(xué)習(xí)的方法,以模型遷移為基礎(chǔ),實(shí)現(xiàn)了三種不同跨層融合的語義分割結(jié)構(gòu)。分別在高分辨率的遙感數(shù)據(jù)和高程數(shù)據(jù)進(jìn)行了語義分割實(shí)驗(yàn),驗(yàn)證了語義分割模型的有效性。最后,探究了基于全卷積網(wǎng)絡(luò)的雙源遙感數(shù)據(jù)聯(lián)合語義分割模型。通過對高分辨率數(shù)據(jù)和高程數(shù)據(jù)進(jìn)行特征提取方法,將提取出的特征進(jìn)行融合重組,得到區(qū)分性更強(qiáng)的雙源融合特征,構(gòu)建全卷積的網(wǎng)絡(luò)模型對雙源融合特征進(jìn)行特征整合,然后送入判決分類器中進(jìn)行分類,實(shí)現(xiàn)了雙源遙感數(shù)據(jù)的聯(lián)合語義分割,并且得到了優(yōu)于單源遙感數(shù)據(jù)的分割結(jié)果。
【圖文】：

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文受影響的，這樣就增強(qiáng)了的穩(wěn)定性，有一定的抗擾動作用和，我們在網(wǎng)絡(luò)中引入了反卷積層。反卷積層的思想是最早是 在 2010 年提出來的[1]，但是當(dāng)時(shí)還沒有正式使用反卷積的 年發(fā)表的[2]，反卷積的概念才正式被應(yīng)用。反卷積又叫做是說，卷積層的前向傳播過程就是反卷積層的反向傳播過傳播過程就是反卷積層的前向傳播過程。-2 所示，我們假設(shè)方形的特征輸入大小 i =4，方形卷積核大，pad 的大小 p =0，經(jīng)過卷積運(yùn)算，，通過輸入特征與輸出特?cái)?shù)的映射關(guān)系，得到輸出方形特征的尺寸大小o=2。映射關(guān)21i p kos 表示對x向下取整。

pad 的大小 p =0，經(jīng)過卷積運(yùn)算，通過輸入特征與輸出特?cái)?shù)的映射關(guān)系，得到輸出方形特征的尺寸大小o=2。映射關(guān)21i p kos 表示對x向下取整。圖 3-2 卷積運(yùn)算示意圖應(yīng)的反卷積過程如圖 3-3 所示。假設(shè)方形特征的輸入大小大小 k =3，步長 s =1，pad 的大小p =2。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP751;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 劉松濤;殷福亮;;基于圖割的圖像分割方法及其新進(jìn)展[J];自動化學(xué)報(bào);2012年06期

本文編號：2659938