咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >大幅面图像中桥梁目标检测技术研究 收藏
大幅面图像中桥梁目标检测技术研究

大幅面图像中桥梁目标检测技术研究

作     者:王德意 

作者单位:华中科技大学 

学位级别:硕士

导师姓名:曹治国

授予年度:2015年

学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题:桥梁检测 边缘检测 超像素分割 深层卷积神经网络 

摘      要:在计算机视觉和机器学习领域中,目标检测一直是一个重要的研究方向。诸如机场、港口、桥梁等具有军事战略意义的目标检测技术近年来引起了广泛关注,这些目标的检测技术可被用于作战指挥、火力打击等场合中,与此同时,地理信息系统中数据维护更新也需要这些目标的准确定位。对于超过四百万像素、覆盖宽度超过四十公里的大幅面图像,由于存在以下因素:1,大幅面图像中的桥梁目标所占比例很小,包含很多道路、山体、河岸线等干扰物体,难以采用直接提取桥梁特征的方式检测到桥梁目标。2,大幅面图像中包含像素数较多,直接采用传统的图像分割、边缘提取、线段检测等技术检测桥梁目标将会耗费大量的时间。3,桥梁本身也存在角度、尺寸的不确定因素,这给目标检测造成很大的困难。因此如何在大幅面图像中精确定位桥梁目标是一项既具有研究意义又包含技术挑战的问题。本论文针对大幅面图像中桥梁识别问题,为了减少运算量和提高准确性,将检测过程分为低分辨率桥梁潜在区域检测和高分辨率准确定位桥梁位置两个阶段。潜在区域检测阶段中,将已经在海量图像数据库上训练好特征参数的深层卷积神经网络,作为一种“黑盒特征描述算子,再针对桥梁检测的应用背景,利用桥梁样本的深层卷积神经网络特征来训练分类器。在预测阶段,将测试图像送入深层卷积神经网络,将计算出来的特征送入分类器就可以完成分类。在精确定位桥梁位置阶段,利用基于随机森林的边缘检测技术提取边缘,再利用直线检测技术检测到线段,对于存在的虚警线段以及需要补偿的桥梁线段,采取基于图论的超像素分割和纹理特征相结合的办法进行处理。论文在最后给出了一种在实时场景下的快速桥梁检测算法,该算法具有内存需求少、运算速度快的特点,并已经在DSP硬件环境下测试使用。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分