【摘 要】
：
桥梁自动检测与识别能够精准定位桥梁目标,也能为地理数据库更新提供依据。因而在城市建设、文化交流、国家发展和军事活动中具有重要研究意义。高空间分辨率遥感影像（High Spatial Resolution Remote Sensing Images,HSRRSIs）中包含地物信息丰富,能够直观反应目标形状、纹理等信息,是桥梁检测理想数据源。传统桥梁检测方法依赖于人工设计特征和模板匹配技术,易受HSR
论文部分内容阅读
桥梁自动检测与识别能够精准定位桥梁目标,也能为地理数据库更新提供依据。因而在城市建设、文化交流、国家发展和军事活动中具有重要研究意义。高空间分辨率遥感影像（High Spatial Resolution Remote Sensing Images,HSRRSIs）中包含地物信息丰富,能够直观反应目标形状、纹理等信息,是桥梁检测理想数据源。传统桥梁检测方法依赖于人工设计特征和模板匹配技术,易受HSRRSIs质量影响,且人工参与程度高、自动化程度低,导致检测精度差、速度慢等问题。深度学习方法因自动化程度高、特征提取能力强已在目标检测领域实现了广泛应用,但目前基于深度学习的桥梁检测方法需要大量训练样本,且对于非常规桥梁错检、漏检现象严重、易受计算机硬件条件影响,导致检测速度受限,难以完成桥梁实时检测任务。因此,本文研究基于深度学习的高空间分辨率遥感影像桥梁自动检测方法,并对提高检测精度和加快检测速度展开研究。本文的主要工作及研究内容如下:（1）研究了结合随机擦除和YOLOv4的桥梁自动检测方法。针对HSRRSIs桥梁训练数据集较少,且已有深度学习桥梁检测方法对于被云雾遮挡目标检测精度低的问题,本文提出了结合随机擦除和YOLOv4的桥梁自动检测方法。首先利用Mosaic数据增强和随机擦除（Random erase）数据增强方法扩充数据集、丰富图像背景、平衡不同尺度目标占比并模拟云雾遮挡桥梁;其次利用k-means聚类方法获取9个锚框,以适用于桥梁数据集;最后利用YOLOv4网络对增强后的数据集进行训练。实验结果表明,该方法的平均检测精度（mean Average Precision,m AP）达到97.06%,比YOLOv4提高了2.99%,其中被云雾遮挡的桥梁平均检测精度提高了12%,验证了提出方法的有效性及实用性。（2）研究了基于深度可分离卷积的多尺度特征融合桥梁检测方法。针对基于深度学习的桥梁检测方法参数众多、计算复杂,且对于多尺度桥梁错检与漏检现象严重的问题,本文研究了基于深度可分离卷积的多尺度特征融合桥梁检测方法。首先利用深度可分离卷积搭建主干特征提取网络提取桥梁特征,以达到减少网络参数、压缩网络模型的目的;其次将特征图最后一层经多分支并行空洞卷积获得多尺度感受野,更好地匹配不同尺度桥梁,并提取多尺度桥梁特征;然后充分利用不同深度的桥梁细节和语义信息,通过多尺度特征金字塔将三个不同层次的桥梁有效特征层进行跨层次融合;最后测试桥梁检测结果并进行精度评价。实验结果表明,本文方法的m AP达到94.26%,F1达到0.95,FPS达到60.04,在精度和速度上均能领先多数主流目标检测网络,并可集成到移动端完成高精度快速桥梁检测任务。
其他文献
云南滇池周边磷矿,资源丰饶,是我国重要矿床之一,历经几十年的开发利用,在为我国和地方经济的建设和发展做出突出贡献的同时,也产生了一些环境地质等问题。该矿山地处山区,面积广阔、地形复杂、地貌特殊,对展开矿区高时间、高空间、高精度的地貌环境监测工作增加了困难和风险性。目前,新的测量方式——无人机航测由于其灵活、机动、高精度等优势,正逐渐应用于不同环境下的地貌调查和监测。因此,在面向高原山地矿区展开无人
随着城镇化建设进程的推进,城乡建筑物扩张速度日益加快。建筑物作为人类生产生活的物质载体,是地理数据库中一种重要的数据源。准确高效地采集建筑物空间分布与动态变化信息,对于建立房屋调查更新机制、实现房屋常态化监控以及分析人口聚居和流动都有着较大的理论参考和实践意义。高空间分辨率遥感影像承载了目标地物丰富的纹理细节信息与空间结构特征,利用遥感图像进行建筑物信息提取已成为一种重要技术手段。近年来,伴随硬件
随着卫星、航空、地面等多源观测平台的快速发展,遥感技术已经成为了地理空间信息数据采集的重要手段。其中,低空无人机遥感（UAV-RS）对地观测技术,因其灵活机动、人工成本低和影像分辨率高等优势,在不动产评估、变形监测、智慧城市、智慧矿山和地质灾害治理等方面得到了广泛的应用。近年来,低空无人机系统以及三维立体测量和计算机视觉重建技术的不断完善,基于UAV立体影像匹配技术进行区域地貌三维模型的构建在地貌
高分辨率遥感影像的地表覆盖分类是当前研究的热点问题。随着航天技术和计算机软硬件的飞速发展,高分辨率遥感影像的数量和质量都有了极大的提升,使用传统方法提取遥感影像地物信息已逐渐无法满足如今大数据时代的要求。深度学习算法在处理图片、语音和视频等方面展现出了先进性,不仅在计算机视觉领域,同样也在人机交互领域发挥着越来越重要的作用,创造出了大量的成果并在实际中得到了广泛应用。卷积神经网络是深度学习的主要方
随着经济的发展,社会化进程的推进,信息大数据的应用渗透,使传统信贷模式发生了改变,银行个人类信贷资产规模快速增长的同时,电子渠道和创新类信贷产品的规模占比逐年扩大。这一趋势变化,对银行个人类资产管理方面,产生了前所未有的挑战和影响,因此,对银行个人类资产的管理能力和水平,提出了更高的挑战和要求。目前,影响个人类资产发生向下迁徙的因素越来越多,因此,找到个人类不良资产产生的原因,寻求新的解决途径,从
我国养老项目建设量猛增,其中综合型养老社区打破了主流养老模式各自为政的弊端,是我国养老事业发展的一个重要方向。同时人口老龄化加快意味着医疗投入迅速增加,“健康建筑”对建成环境的关注,使其成为一种医疗之外促进健康的重要手段。加之云南省温和地区气候宜人,生态环境持续改善,有推进以健康为导向的综合型养老社区的先决条件。为提高“在滇养老”的识别性和提高养老居住质量,本论文首先归纳了“健康建筑”理论研究的成
碳酸盐岩在我国分布广泛,地表出露面积约90.7×10~4km~2,地下分布更为广泛。碳酸盐岩腐岩在我国西南部极为发育,西南地区气候湿热,地质构造复杂,独特的气候和复杂的地质条件为碳酸盐岩腐岩的发育创造了良好的环境。碳酸盐岩腐岩是介于岩和土之间的特殊岩,它保留着原岩的构造和结构特征,但强度远不及原岩。由于腐岩自身的特性,其对基础建设以及地质灾害存在着一定的危害。随着西部大开发建设的推进和一带一路战略
城市空间扩张作为城市化进程中最为直接的表现形式,日渐成为快速城市化进程中的研究热点。而中国幅员辽阔,城市空间扩张具有明显的阶段性、区域性和等级性,其中山地地形分布广泛,且山区由于其地形复杂,城市发展较平原城市相对落后。目前我国的城市化进程已经步入中后期,如何合理高效地推进我国山区城市建设,将直接影响到我国整体的城市化发展进程。本文以我国西南地区典型山地城市贵阳市为研究区,基于遥感解译数据、数字高程
我国国土辽阔,湿地面积在世界上处于前列。辽河河口湿地作为我国最大的芦苇滨海湿地,有着亚洲第一大芦苇荡的称号。河口处生长的大面积翅碱蓬在潮水褪去后形成美丽的自然景观“红海滩”。近些年由于当地自然环境的破坏以及气候变化,湿地内的芦苇与翅碱蓬面积受到较大影响。为了保护湿地生态,维持“红海滩”这一自然景观,对辽河河口湿地变化进行遥感监测是非常有必要的。由于对辽河河口湿地的研究大多采用单一方法进行地物提取,
近年来,随着城市化和工业化的快速推进,许多城市和地区的空气污染正在加重,空气质量的恶化给人们的工作、学习、生活带来了极大的不便,同时长期吸入空气污染物会对人体健康造成不良影响。因此,利用现有科学方法对空气质量进行有效地监控与预测成为一个重要研究方向。由于空气具有空间扩散性,目标站点的空气质量易受到相邻站点的影响,现有研究往往基于时序的方法进行预测建模,未能有效利用空气质量数据中的时空特征进行预测,