基于卷积神经网络的城市区域建筑物自动提取研究

《基于卷积神经网络的城市区域建筑物自动提取研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子科技大学UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA硕士学位论文MASTERTHESIS论文题目基于卷积神经网络的城市区域建筑物自动提取研究学科专业测绘科学与技术学号201521180214作者姓名刘文涛指导教师李世华教授分类号P23密级注1UDC学位论文基于卷积神经网络的城市区域建筑物自动提取研究（题名和副题名）刘文涛（作者姓名）指导教师李世华教授电子科技大学成都覃驭楚副研究员中国科学院遥感与数字地球研究所北京（姓名、职称、单位名称）申请学位级别硕士学科专业测绘科学与技术提交论文日期2018年4月论文答辩日期2018年5月2

2、4日学位授予单位和日期电子科技大学2018年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。StudyOnAutomaticExtractionOfUrbanAreaBuildingsBasedOnConvolutionNeuralNetworkAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaDiscipline:SurveyingandMappingAuthor:LiuWentaoSupervisor:LiShihuaSchool:SchoolofResourcesa

3、ndEnvironment独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：日期：2018年6月1日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有

4、关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：导师签名：日期：2018年6月1日摘要摘要近地轨道卫星拥有众多不同分辨率和不同探测类型的传感器，给研究者提供了海量的拥有丰富地表信息的卫星遥感影像。建筑物作为地表信息的最重要组成部分之一（约占城市地表信息的80%以上），已经在城市地图测绘、城市基础设施设计与规划、土地利用覆盖类型调查、三维数字城市构建等科技前沿领域得到了广泛研究和应用。迅速、精确、智能地在卫星遥感影像中提取建筑物的特征信息，已经成为卫星遥感影像研究极其重要的内容之一。本文采用深度学习以及迁移学习的思

5、想，改进传统的全卷积神经网络FCN（FullyConvolutionalNetworks），引入新的结构－级联式（CascadeStructure），构建了一种新的深度卷积神经网络结构，并利用建筑物数据集对算法进行验证。主要内容和结论如下：1）级联式全卷积神经网络的架构设计与改进：针对传统全卷积网络的局部感受野小、输出结果分辨率低、图像信息损失多、边缘细节模糊等特点，引入空洞卷积增加特征图像的局部感受野，采用分块方法保证得到和输入图像相同分辨率的输出结果，引入的级联式网络结构可使网络内部的信息流动达到最大化。2）基于级联式全卷积神经网络研究建筑物的自动提取：训练本文提出的级联式全卷积

6、神经网络，进行建筑物自动提取，研究神经网络的内部参数及神经网络超参数对模型精度的影响。根据在美国马萨诸塞州建筑物数据集上的实验结果表明，和其他方法相比，本文提出的方法总体预测精度达到92.3%，与其他两种深度算法预测精度（76.3%、80.8%）相比分别提高16%和11.5%；得到神经网络预测结果后，再引入全连接条件随机场算法对输出的预测结果进行后处理，最终获得了更加平滑的结果。3）基于级联式全卷积神经网络的航空图像分类及多目标分割应用：调整级联式神经网络的内部结构，采用迁移学习的思想，用多核卷积代替固定核卷积，将不同尺度的特征图像进行数据融合。改进的神经网络结构在美国地质调查局的U

7、CMercedLandUse数据集的预测精度在99%以上，在国际摄影测量和遥感协会Vaihingen数据集的预测精度为88.3%以上，超过了传统神经网络算法。关键词：遥感图像，建筑物，深度学习，卷积神经网络，自动提取IABSTRACTABSTRACTThelow-earthorbitsatellitehasmanysensorsofdifferentresolutionsanddifferentdetectiontypes,andprovidesresea