【摘 要】
：
随着遥感领域技术的飞速发展,带来了随年份递增的大量的影像数据,这些数据仍然依靠人工解译处理。而人工作业模式,己经越来越无法满足高效、快速提供图斑解译的应用要求。近年来飞速发展的深度学习技术为大数据时代的图斑解译提供了新的解决方案。与传统方法相比,深度学习方法完全基于数据驱动,可以批量处理输入地图像,快速地实现遥感解译工作。因此本文使用深度学习中的语义分割实现了可自动化的生产建设项目图斑解译工作。然
论文部分内容阅读
随着遥感领域技术的飞速发展,带来了随年份递增的大量的影像数据,这些数据仍然依靠人工解译处理。而人工作业模式,己经越来越无法满足高效、快速提供图斑解译的应用要求。近年来飞速发展的深度学习技术为大数据时代的图斑解译提供了新的解决方案。与传统方法相比,深度学习方法完全基于数据驱动,可以批量处理输入地图像,快速地实现遥感解译工作。因此本文使用深度学习中的语义分割实现了可自动化的生产建设项目图斑解译工作。然而在实践过程中,语义分割在生产建设项目图斑解译上仍存在问题:1)由于生产建设项目包含了在建区域、将建区域以及弃渣场,这意味着其中某些区域既包含自然区域又包含了生产建设区域。它是目标语义和自然语义的组合语义。现阶段的语义分割网络无法在该种情况下勾画图斑区域;2)图斑轮廓的准确率高度影响着图斑解译工作的评价指标。现阶段的语义分割网络主要使用的代价函数不能很好地给予模型目标轮廓分割的正确程度。本文针对上述问题进行了改进:1)使用残差注意力机制（residual attention）代替U-Net网络中的跳连接层（skip connection）。本文期望通过残差注意力机制的去噪能力提高模型在复合型区域下的判断能力。使得模型能够在同时具有扰动区域与自然区域的情况下做出更好的判断。同时,由于残差注意力机制输入输出形状一致,可以很好地替代U-Net网络原有的跳连接层;2)提出了一种能更加有效利用边界信息的分级边界损失函数（Grading Contour Loss）。本文改进了边界损失函数（contour loss）中赋予权重的函数,使该代价函数更适用于生产建设项目图斑解译的自动化实现。Grading Contour Loss通过图像处理操作赋予不同层级轮廓赋予不同权重,改变各个位置元素对参数优化影响的占比,从而引导参数优化。同时,仅改变代价函数能够在没有加深网络深度的情况下提升网络性能。深度较深的网络也可以配合使用该函数来提高网络的分割能力。本文在多个不同的数据集上进行了实验验证,其中包括了开放数据集以及在项目实现过程中提取出的数据集,并且与现阶段主流的语义分割模型进行了实验对比。本文提出的方法得到了更好的分割结果。同时也证明了该方法在生产建设项目图斑解译上的可用性。
其他文献
近年来,随着深度神经网络和传感器技术的发展,自动驾驶成为了人们的研究热点。环境感知模块是整个无人驾驶系统的关键,其输出的精确度直接影响着下游模块,例如规划、决策和定位。为了提高自动驾驶系统环境感知的性能与可靠性并降低成本,相机-激光雷达感知融合技术受到了越来越多的研究者的关注。然而,激光雷达获取的点云深度图是不规则的无序的,这极大地制约了3D感知技术。为了解决上述问题,稀疏深度补全任务被提了出来,
随着近年来计算机领域的迅速发展,电子战在现代战争中的战略地位也日益重要,因此运用计算机实现作战仿真系统也逐渐被军队所使用。将武器装备通过计算机进行建模并构建作战仿真系统不仅能够快速推演作战方案,对验证武器装备可行性、组织作训人员进行模拟训练,提升作战经验等都具有很大的帮助。本文设计了基于组件化建模的水下仿真控制演练系统,该系统总体上采用标准化、层次化、模块化方法,各个功能模块之间低耦合,便于维护和
随着计算机技术和传感器技术的快速发展,红外图像以其具有的夜视范围广、抗干扰能力强、可全天候工作等优势,被广泛应用于军事和民用等领域。红外图像目标检测作为现代红外系统的核心技术,一直是图像处理领域的重要研究内容。近年来,随着深度学习技术在图像处理领域取得的卓越研究进展,有效推动了红外图像目标检测技术的发展。在诸多深度学习目标检测算法中,基于Anchor的回归型目标检测算法是经典算法之一,它可以直接将
随着深度学习的不断发展,神经网络,尤其是卷积神经网络已经广泛应用于各种计算机视觉任务中,与此同时,在传感器技术飞速发展的背景下,多类型传感器已经部署到大量应用中,比如视频监控和自动驾驶技术。因此,本文研究了基于CNN和小波变换的低光照图像增强算法,同时提出了一种基于多传感器协同和CNN的视频编码新范式。本文的主要贡献如下:1.在低光照条件下拍摄的图像动态范围较窄,色调较暗,信噪比低,而且图像中所含
在现代无线通信和雷达系统中,电磁波前赋形具有重要的应用价值和研究意义,通过波束赋形技术可以实现特定的远场方向图来满足实际应用场景的需求。电磁超表面作为一种平面型的人造复合电磁结构,由于具有剖面低、设计灵活、加工便捷、损耗低等明显优势在电磁波调控与设计领域成为研究热点,其表现出来的独特的电磁性能为实现对电磁波的完全控制提供了一种新的方案。本文主要研究电磁超表面对电磁波幅度和相位的同时调控机理,分别设
由于玻璃特殊的光学性质,日常生活中透过玻璃拍摄的照片通常会被反射遮挡,从而影响信息的获取,如何去除反射并恢复图像被遮挡的信息成为一个亟需解决且富有挑战性的任务。由于照片的首要关注点是人脸,所以带有反射的人脸图像会给观众带来更大的困扰。近年来,在具备丰富标记数据的前提下,基于深度学习的目标检测器取得了较好的性能表现。然而,数据标注通常是昂贵且耗时的。因此,能够从一个标记样本中学习一个泛化模型的one
图像是人们感受和理解世界的重要媒介,相比于文字和声音,图像承载着更加直观且丰富的信息。然而,在采集、处理和传输过程中,图像不可避免地产生失真和降质,增加了图像理解的难度。因此,需要设计图像质量评价算法解析图像降质的原因并量化其质量,从而为图像画质的增强和视觉体验的提升提供指导。本文从主观图像质量评价的特性出发,首先研究了主观图像质量评价中图像质量排序任务与评分任务的关联关系,并在此基础上设计相应的
随着智能成像设备的普及和互联网的快速发展,图像数据呈现爆发式增长。然而,互联网上的大部分图像是没有对应的语义描述的,这使得人们很难有效利用这些图像信息。人工标注耗时耗力,而且存在个体差异。图像描述生成模型可以为图像数据自动生成相匹配的字幕,这广泛应用于智能搜索、人机交互等领域。近年来,随着深度学习算法被引入到图像描述生成任务中,模型生成的字幕质量显著提升,在个别指标上甚至超过人类。然而,现有数据集
近年来,卷积神经网络在图像特征学习领域取得了令人瞩目的成功,能够有效地解决图像分类、图像分割、目标识别等问题。为了追求更高的性能,研究人员设计出许多结构精巧、参数量大的模型应用于各种计算机视觉任务当中。然而,设计一个良好的神经网络结构并非易事,不仅需要设计者掌握深度学习的相关专业知识,而且要求设计者能够针对不同任务的特点设计适合的神经网络结构。因此,提出了神经网络结构搜索来解决神经网络结构的设计难
随着5G网络的普及和移动终端设备的发展,人类社会已经步入大数据时代。大数据存储与分析技术是信息领域的关键技术,对社会经济的发展具有及其重要的推动作用。信息检索作为大数据技术的重要分支,受到了国内外学者的广泛关注。哈希检索具有存储成本低、查询速度快等优势,是大规模数据检索的重要技术手段,拥有广阔的发展前景。传统的基于批量数据处理的哈希方法只能用于处理静态数据,无法适应在线场景下的流数据处理。在线哈希