地表上的人工地物是高分辨率遙感圖像中的重要組成部分,在人工地物中,建筑物作為一個(gè)重要的橋梁,連接著遙感衛(wèi)星和人類的日常生活。與此同時(shí),在人口估計(jì)與城市規(guī)劃、自然災(zāi)害的預(yù)警與評(píng)估以及土地的監(jiān)測(cè)與利用等方面,建筑物的解譯也起著關(guān)鍵性的作用。但由于高分遙感圖像的場(chǎng)景復(fù)雜,其中的建筑物形狀各異且受光照、陰影等因素影響較大,若使用傳統(tǒng)建筑物檢測(cè)方法進(jìn)行提取非常耗費(fèi)時(shí)間且無(wú)法挖掘目標(biāo)建筑物的高維特征。Faster R-CNN算法使用共享卷積網(wǎng)絡(luò)的手段來(lái)獲取原圖像的深層特征,隨后結(jié)合區(qū)域建議網(wǎng)絡(luò)來(lái)生成初步識(shí)別結(jié)果,因此本文將它作為建筑物提取的方法之一。但是Faster R-CNN本身在做目標(biāo)檢測(cè)時(shí)無(wú)法達(dá)到邊緣輪廓提取的效果,所以本文引入基于主動(dòng)輪廓模型的水平集方法,來(lái)提高建筑物的分割精度。本文首先提出了 Faster R-CNN和Level-Set結(jié)合的高分辨率遙感圖像建筑物提取方法。Faster R-CNN算法雖然可以較為準(zhǔn)確地判定目標(biāo)建筑物的位置,但是無(wú)法精確地提取到建筑物的輪廓。傳統(tǒng)的Level-Set算法廣泛用于醫(yī)學(xué)影像的處理,尤其是醫(yī)學(xué)影像分割,鑒于它有著較高的分割精度,最終曲線可以收斂到... 

【文章來(lái)源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－２平面曲線演化圖??

?２高分遙感閣像分割的相關(guān)理論???ｆ?Ｎ（ｐ）??Ｔ（Ｐ）??圖２－１曲線上某一點(diǎn)的切線和法線小意閣??曲線Ｌ在任意－點(diǎn)都可以分解為互相垂直的法線Ａ／和切線７＼所以曲線上任意－點(diǎn)??都可以被表述為Ｔ和Ｎ的線性組合。曲線Ｌ和時(shí)間ｔ的偏微分方程如下：??ｄＬ??—＝ａＴ?＋?ＰＮ?（２－１）??ｏｔ??上述公式屮的ａ和／？分別是速度函數(shù)在切線和法線上的分量，山ｊ－ａ不會(huì)改變曲線的??形狀和幾何屬性，所以只需要考慮曲線在法線方向上的運(yùn)動(dòng)即可，則曲線Ｌ和法矢量Ｗ??之間的映射關(guān)系公式如下：??ｄＬ?＿??Ｙｔ?＝?Ｆ｛Ｌ）Ｎ?（２－２）??公式２－２中的Ｆ（Ｚ〇楚曲線Ｌ的速度函數(shù)，決定了曲線Ｌ上各點(diǎn)的運(yùn)動(dòng)速度。各點(diǎn)沿著??法線運(yùn)動(dòng)，最終形成一條曲線，如圖２－２所示。??圖２－２平面曲線演化圖??常見(jiàn)的速度函數(shù)分為兩種。第一種是曲率演化方式，其偏微分方程的公式如下：??ｄＬ?＿??—＝ａｋＮ?（２－３）??ｏｔ??其中，ａ為正數(shù)，ｋ為曲線Ｌ的曲率。隨著／ｃ的增大，閉合曲線會(huì)逐漸變形，長(zhǎng)度也??會(huì)逐漸縮短，最終曲線會(huì)匯集成一個(gè)點(diǎn)。第二種是常量演化方式，其偏微分方程的公式??如下：??ｄＬ?＿??■＾７＝Ｖ〇Ｎ?（２－４）??Ｏｔ??公式２－４中的％是曲線演化的速度，是一個(gè)常量。和第一種曲率演化方式不同的是，??常量演化通常會(huì)使曲線出現(xiàn)尖角，會(huì)導(dǎo)致拓?fù)浣Y(jié)構(gòu)的變化。??將圖像的特征引入曲線演化方程中是曲線演化理論應(yīng)用到圖像分割領(lǐng)域的關(guān)鍵，但??１１??

ａ以及國(guó)內(nèi)的Ｂａｉｄｕ、科大訊飛等公司的語(yǔ)音識(shí)別技術(shù)都是甚Ｊ？深度學(xué)??技術(shù)的｜４９１。在文木識(shí)別領(lǐng)域，深度學(xué)習(xí)技術(shù)也有著廣泛的應(yīng)用。比如文本分類、怙息??檢索以及手寫(xiě)文本的識(shí)別｜５＜）｜。隨著關(guān)于深度學(xué)習(xí)的研宄不斷深入，“人數(shù)據(jù)＋深度學(xué)習(xí)”??的時(shí)代不約而至，在不遠(yuǎn)的將來(lái)，深度學(xué)習(xí)模式小Ｗ僅僅足？種升級(jí)的算法，史坫？種??全新且前沿的思維模式。??深度學(xué)習(xí)的原理與人類大腦視覺(jué)分層處理信息的機(jī)理極其相似。人類火腦的工作原??理足經(jīng)過(guò)大腦每…層的聚集和分解后的信息來(lái)識(shí)別物體｜５１］，如圖２－３所示。輸入的目標(biāo)??ｄ１、經(jīng)過(guò)每士：的處理，輸入閣像會(huì)被抽象出Ａ維特征，后續(xù)會(huì)被進(jìn)一步的抽象。其中，??圖像的基木倍息，比如像素信息，足低層特征，提収出的邊緣信息足史高一層的特征，??將提取出的邊緣信息進(jìn)行排列和組合可以形成更高層次的信息，比如形狀信息、紋理信??息、相鄰像素間的信息，最后由最后一層判斷出圖像的準(zhǔn)確信息。??ｚＦＥｊｉ〇ｂｊｅｃｔ?ｍ〇ｄｅｉｓ??ｎｒｒｎ??ｐｉｘｅｌｓ??圖２－３人類大腦視覺(jué)分層圖??１３??


本文編號(hào)：2908244