遥感影像道路自动提取系统组件化设计与实现

论文摘要

基于高分辨率遥感影像的道路提取一直是遥感学界的重要课题,在近三十年来众多的研究学者提出了若干基于不同原理的方法,但是由于遥感影像地物特征的复杂性以及方法的局限性,具有足够适应性的算法还未出现。伴随着计算机计算能力的提高,深度学习在各个领域尤其是图像处理方面的不断发展,其也成为了研究高分辨率遥感影像道路提取的热门方向。由于路网信息的提取技术在军事领域,灾害救援指挥等领域有着重大意义,但目前仍没有某一个软件系统可以搭载各种不同算法并快速的进行道路信息的提取,因此本文针对深度学习方法对高分辨率遥感影像道路提取以及结果优化滤波开展了研究,并基于组件化技术开发了一套具有实际应用价值的遥感图像道路提取系统。本文的研究工作如下:(1)研究了全卷积神经网络结构,提出了基于相似度映射关系的高分辨率遥感影像道路提取模型。该模型对于遥感影像有道路提取能力,且对输入的数据大小无特殊要求,也无需过多人工参与。并且针对小样本训练进行研究并在模型的训练中进行应用。该模型在本文的实验数据训练后得到的道路提取准确率可达到86.5%。(2)研究了基于深度学习的噪声滤波模型以处理含有噪点过多的道路提取结果图像,分别利用对抗学习思想和循环学习思想建立了道路提取结果滤波模型。其中生成对抗网络模型在滤波的过程中具有了一定的图像增强能力,即补全了小部分道路缺失的部分。经过生成对抗滤波模型处理后道路噪声剔除比例为7.3%,经过循环学习模型处理后道路噪声剔除比例为6.4%。可以看出滤波模型对道路提取结果的准确提升还是有一定帮助的。(3)研究了组件化思想,利用动态链接库技术对上述深度学习模型算法进行了组件化设计,并将该算法组件嵌入到设计的道路提取软件系统中。开发出了一个用户界面友好,逻辑结构清晰的软件系统,该系统可根据要求随时添加任意算法插件。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究工作的背景和意义
•   1.2 国内外研究现状
•     1.2.1 遥感影像道路提取方法研究国内外现状
•       1.2.1.1 传统算法
•       1.2.1.2 智能算法
•     1.2.2 系统组件化设计现状
•     1.2.3 国内外基于高分辨率遥感影像的信息处理系统现状
•   1.3 论文技术路线及研究内容
•     1.3.1 技术路线
•     1.3.2 研究内容
•   1.4 论文结构
• 第二章 高分辨率遥感影像道路提取的深度学习模型分析
•   2.1 常用的深度学习影像处理网络层结构
•     2.1.1 卷积层
•       2.1.1.1 卷积运算
•       2.1.1.2 卷积的特点
•     2.1.2 池化层
•     2.1.3 激活层
•       2.1.3.1 Sigmoid
•       2.1.3.2 tanh
•       2.1.3.3 ReLU
•       2.1.3.4 P-ReLU,ELU,Maxout
•     2.1.4 Dropout层
•     2.1.5 FC全连接层
•   2.2 小样本训练的深度学习方法
•     2.2.1 深度学习小样本训练的研究现状分析
•       2.2.1.1 基于Finetune
•       2.2.1.2 基于Metric
•       2.2.1.3 基于元学习（meta learning）
•     2.2.2 训练数据的处理以及制作
•   2.3 基于相似度映射的高分辨率遥感影像道路提取的深度学习模型
•     2.3.1 全卷积神经网络简介
•     2.3.2 基于相似度映射的遥感影像道路提取模型
•       2.3.2.1 相似度映射模型研究
•       2.3.2.2 实验结果以及实验分析
•   2.4 本章小结
• 第三章 基于深度学习的噪声滤波模型
•   3.1 基于对抗思想的深度学习模型
•     3.1.1 GAN基本结构
•     3.1.2 生成对抗深度学习滤波模型
•     3.1.3 实验结果分析
•   3.2 基于循环学习的深度学习模型
•     3.2.1 RNN基本结构
•     3.2.2 循环学习滤波模型
•     3.2.3 实验结果分析
•   3.3 模型性能的比较分析
•   3.4 本章小结
• 第四章 系统组件化开发技术研究
•   4.1 系统组件化概述
•     4.1.1 组件概念
•     4.1.2 系统组件化思想
•   4.2 算法组件化设计
•     4.2.1 动态链接库技术
•     4.2.2 基于DLL的算法组件设计与实现
•   4.3 本章小结
• 第五章 组件化道路提取原型系统的实现
•   5.1 需求分析
•     5.1.1 功能需求
•     5.1.2 性能需求
•   5.2 道路提取系统设计
•     5.2.1 系统开发环境
•     5.2.2 系统总体结构
•   5.3 客户端与服务端集成
•     5.3.1 客户端
•     5.3.2 服务端
•   5.4 客户端的设计与实现
•     5.4.1 影像数据的读取和显示
•     5.4.2 影像处理模块
•   5.5 本章小结
• 第六章 总结与展望
•   6.1 总结
•   6.2 展望
• 致谢
• 参考文献
• 攻读硕士学位期间取得的成果

文章来源

类型: 硕士论文

作者: 李皓昱

导师: 陈云坪

关键词: 高分辨率遥感影像,道路提取,深度学习,组件化

来源: 电子科技大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 自然地理学和测绘学,工业通用技术及设备,自动化技术

单位: 电子科技大学

分类号: TP751;P237

总页数: 77

文件大小: 3699K

下载量: 92