检索结果-南通市图书馆

计算机科学与探索 2023年第7期17卷 1526-1548页

作者：马妍古丽米拉·克孜尔别克新疆农业大学计算机与信息工程学院乌鲁木齐830052

快速获取遥感信息对图像语义分割方法在遥感影像解译应用发展具有重要的研究意义。随着卫星遥感影像记录的数据种类越来越多,特征信息越来越复杂,精确有效地提取遥感影像中的信息,成为图像语义分割方法解译遥感图像的关键。为了探索快... 详细信息

快速获取遥感信息对图像语义分割方法在遥感影像解译应用发展具有重要的研究意义。随着卫星遥感影像记录的数据种类越来越多,特征信息越来越复杂,精确有效地提取遥感影像中的信息,成为图像语义分割方法解译遥感图像的关键。为了探索快速高效解译遥感影像的图像语义分割方法,对大量关于遥感影像的图像语义分割方法进行了总结。首先,综述了传统的图像语义分割方法,并将其划分为基于边缘检测的分割方法、基于区域的分割方法、基于阈值的分割方法和结合特定理论的分割方法,同时分析了传统图像语义分割方法的局限性。其次,详细阐述了基于深度学习的语义分割方法,并以每种方法的基本思想和技术特点作为划分标准,将其分为基于FCN的方法、基于编解码器的方法、基于空洞卷积的方法和基于注意力机制的方法四类,概述了每类方法中包含的子方法,并对比分析了这些方法的优缺点。然后,简单介绍了遥感图像语义分割常用数据集和性能评价指标,给出了经典网络模型在不同数据集上的实验结果,同时对不同模型的性能进行了评估。最后,分析了图像语义分割方法在高分辨率遥感图像解译上面临的挑战,并对未来的发展趋势进行了展望。

关键词：遥感图像图像语义分割深度学习语义分割特征融合注意力机制

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

结合地物特性与注意力机制的多光谱影像人参地块语义分割算法研究

结合地物特性与注意力机制的多光谱影像人参地块语义分割算法研究

引用

作者：马妍新疆农业大学

学位级别：硕士

人参是一种稀有且药用价值高的草本植物,国内市场需求量大,我国采用农田栽培和林下种植的方式向市场提供人参资源。然而随着人参种植情况的不断扩增,大肆砍伐森林及超范围占用耕地资源种植人参,导致耕地土地养分流失,林地的森林覆盖率... 详细信息

人参是一种稀有且药用价值高的草本植物,国内市场需求量大,我国采用农田栽培和林下种植的方式向市场提供人参资源。然而随着人参种植情况的不断扩增,大肆砍伐森林及超范围占用耕地资源种植人参,导致耕地土地养分流失,林地的森林覆盖率下降。因此,高效监测人参种植的空间分布情况,对监测我国林地和耕地资源的合理利用具有重要意义。传统的人参种植监测方法主要基于人工目测和地面勘测,其存在成本高、效率低的问题。基于深度学习语义分割的遥感图像处理方法有效弥补了传统监测方法的不足,并凭借其准确地识别遥感图像目标的优势为高效监测人参地块提供了技术支持。但现有基于深度学习的语义分割方法在处理遥感图像时,大多从模型的改进入手,尽管得到了较佳的分割效果,但忽略了遥感图像本身所具有的特性。本文为了利用遥感图像所具有地物特性NDVI辅助语义分割网络处理遥感图像,在输入图像中引入了植被归一化指数NDVI(Normalized Difference Vegetation Index)作为第五通道数据辅助分割网络分割目标对象,同时通过在U-Net语义分割网络中结合注意力机制的方式提高模型的分割效果。本文以2020年黑龙江省哨兵2号遥感图像作为数据源,人参地块为研究对象,通过ENVI与Arc GIS对影像数据进行预处理操作获取样本数据集,将所得样本数据集按照8:1:1的比例划分为训练集、测试集和验证集。利用编程环境计算每张输入的遥感图像中目标区域的NDVI值与背景的NDVI值,并将计算所得NDVI值作为输入图像的第五通道数据堆叠至输入图像的通道维中,同时在深度学习语义分割网络中结合注意力机制来关注输入图像有意义或有价值的特征信息,最终实现了有效弥补特征信息丢失及提高分割效果的问题。具体研究如下:(1)针对遥感图像在深度学习语义分割网络中丢失特征信息及目标分割准确率较低的问题,提出了在经典遥感图像语义分割网络U-Net中加入注意力机制的改进方法,该方法通过在U-Net网络的四个底层特征图与高层特征图的跳跃连接部分分别引入注意力机制中的空间注意力模块和通道注意力模块关注目标对象中具有价值的特征信息,如纹理、几何等特征。实验结果表明结合注意力机制后U-Net网络的分割效果得到有效提升。为了对比改进后的U-Net网络与其他经典的深度学习语义分割模型在引入注意力机制后的分割效果,在自制的哨兵2号遥感图像样本数据集上进行实验,结果证实了无论是改进后的U-Net网络还是引入注意力机制的其他经典深度学习语义分割模型,均在识别遥感图像人参地块上得到有效提升,其中改进的U-Net网络是经典语义分割网络中对人参地块识别效果最佳的网络模型。(2)针对忽略遥感图像中目标对象本身所具有的特性信息的问题。提出了引入遥感图像特性信息NDVI作为输入图像的第五通道数据辅助语义分割网络提升网络分割效果的方法。此方法通过在编程环境中采用哨兵2号多光谱遥感图像中红波段和近红外波段计算每个输入图像中所有像元的NDVI值,并将计算所得NDVI值作为输入图像数据的第五通道进行堆叠,最终将叠加了NDVI的输入图像送入U-Net网络进行处理。实验结果表明,该网络在引入影像特性NDVI后在训练集上的分割结果达到了85.87%,最终网络的分割效果不仅得到了提高,而且通过比对除U-Net网络外其他经典语义分割网络在引入影像特性NDVI后对遥感图像人参地块上的识别效果得知,引入NDVI后的输入图像在送入不同经典语义分割网络均得到不同程度的提高,但U-Net网络的分割效果与其他经典的语义分割网络的分割效果相比,U-Net网络依然高出其他经典语义分割网络。(3)通过结合(1)和(2)两种改进方式,提出了同时结合地物特性NDVI与注意力机制的遥感图像语义分割方法。该方法不仅将通过编程环境计算的每张样本数据的NDVI值作为第五通道堆叠至输入图像,而且将堆叠了NDVI后的输入图像数据送入结合了注意力机制的经典深度学习语义分割网络中进行处理。实验结果表明,同时结合地物特性NDVI与注意力机制的网络相比于单独结合注意力机制或引入地物特性NDVI的网络,结合两种方式的分割效果均高于单方面改进网络或者单方面优化输入数据的分割效果。根据同时结合地物特性NDVI与注意力机制的U-Net网络的分割结果与其他经典语义分割网络相比得知,改进后的U-Net网络的分割结果虽然平均交并比、分割准确率等提升效果较低与其他经典网络,但改进后的U-Net网络整体上分割准确率和效率均高于其他语义分割网络。此结果也进一步说明了处理分割遥感图像目标时,从结合影像中地物特性信息和改进模型两方面入手对提升网络模型分割效果具有重要意义。

关键词：注意力机制传统语义分割深度学习语义分割 NDVI U-Net

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

目标背景不均衡条件下的语义分割方法研究

目标背景不均衡条件下的语义分割方法研究

引用

作者：温亚楠兰州交通大学

学位级别：硕士

语义分割是计算机视觉领域中一个典型的研究方向,经常被用于地物识别、医疗诊断、自动驾驶等方面。语义分割用于解决像素级分类问题,即判断一张图像中每个像素的类别,属于监督学习方法。随着计算机设备的不断更新,基于深度学习的语义分... 详细信息

语义分割是计算机视觉领域中一个典型的研究方向,经常被用于地物识别、医疗诊断、自动驾驶等方面。语义分割用于解决像素级分类问题,即判断一张图像中每个像素的类别,属于监督学习方法。随着计算机设备的不断更新,基于深度学习的语义分割网络模型持续涌现,在图像识别领域取得了极大的成功。但图像中目标背景不均衡问题仍然影响着语义分割精度,即目标像元数量远远小于背景像元数量,导致网络模型训练时的参数会偏向背景类别,从而造成分类精度低。目前解决目标背景不均衡问题的方法被广泛应用于传统机器学习领域,在深度学习领域还没有系统研究,但从现有相关研究中可以概括为从数据增强、网络设计、损失函数设计三个方向来解决该问题,不管从中选择哪个方向解决深度学习中目标背景不均衡问题,都是一项有价值的工作。注意力机制可以提升网络模型对于待分割像元的关注程度,并以关系权值的形式赋予每个像元,像元权值越高则分类精度越高,从而提升网络性能。基于此,本文从网络设计的方向出发,以改进的101层残差网络为骨干网络,加入空洞卷积、残差注意力机制、Non-Local计算模式的注意力机制,构建适用于解决目标背景不均衡问题的语义分割网络模型。本文的研究内容如下:（1）网络设计基础。在设计深度学习语义分割网络模型之前,首先学习卷积神经网络与语义分割网络的构成单元及特点、上采样和下采样过程中感受野和特征图尺寸的计算方式、典型语义分割网络模型。以此掌握网络设计的基础与思路,为本文网络设计奠定坚实的基础。（2）针对目标背景不均衡问题,设计了一种基于改进残差网络与注意力机制的语义分割网络。首先分析残差网络与注意力机制的基本原理与网络构成、实验环境、训练参数、评价指标、数据集。之后结合空洞卷积与特征图分辨率的变化,改进了原始的残差网络,将其与Non-Local计算模式的注意力机制相结合,用以提升少数类待分割像元的关系权重。（3）为了进一步提升网络模型的特征提取性能,设计了一种结合双注意力机制的语义分割网络。首先引入一种轻量型的注意力机制,将其与残差单元构建为残差注意力机制,最后将残差网络中的残差单元替换为残差注意力机制,从而提升少数类待分割像元的关系权重。研究结果表明:基于改进残差网络与注意力机制的语义分割网络可以有效提升目标背景不均衡数据的分割精度。而结合双注意力机制的语义分割网络可以进一步提升网络模型的分割性能。

关键词：目标背景不均衡问题网络设计残差网络注意力机制深度学习语义分割

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卫星遥感图像的云检测算法研究

基于卫星遥感图像的云检测算法研究

引用

作者：李贤哈尔滨工业大学

学位级别：硕士

卫星遥感技术具有极其广泛的应用场景,如变化检测、地物跟踪等。由于卫星遥感影像经常被普遍分布的云层所污染,这种云层遮挡现象给遥感应用带来困难与挑战。因此,云检测是许多遥感应用的先决条件,是卫星遥感图像分析的一个重要研究领域... 详细信息

卫星遥感技术具有极其广泛的应用场景,如变化检测、地物跟踪等。由于卫星遥感影像经常被普遍分布的云层所污染,这种云层遮挡现象给遥感应用带来困难与挑战。因此,云检测是许多遥感应用的先决条件,是卫星遥感图像分析的一个重要研究领域。现有云检测方法在薄云的检测以及明亮地表的判别上存在缺陷,本文主要通过研究基于深度学习语义分割的云检测算法,旨在提升云检测精度。在薄云的检测上,因为薄云体积小、分布稀疏、透明度高、与背景区域具有相似的特性,造成了薄云召回率低。此外,由于明亮地表具有与云层相似的反射特性,从而导致了明亮地表与云层易混淆、难识别。针对以上问题,本文提出了基于U-Net架构的全局上下文密集块云检测网络（Global Context Dense Block Cloud Detection Network Based on U-Net,GCDB-UNet）,将全局上下文密集特征提取块（Global Context Dense Block,GCDB）嵌入在U-Net架构中。GCDB主要由两个特征提取单元组成,即非局部自注意力模块和通道注意力模块。非局部自注意力模块通过计算像素间的相关性,利用加权和来聚集离散分布的薄云像素,提升薄云像素点的特征表达能力;通道注意力模块通过计算不同通道对云检测任务的贡献权重,来提取通道的相关性特征,充分利用卫星遥感数据的多通道信息,提升模型对云层以及明亮地表的识别能力。此外,GCDB利用了一个基于密集连接方式设计的特征融合模块以提取多层细粒度特征。最后,引入循环门控微调模块用于对云检测结果的微调。实验表明本文提出的GCDB-UNet方法有效的提升了云检测的精度。为了降低明亮地表的误识别率,进一步提升云检测的精度,本文提出基于链式残差池化（Chain Residual Pooling,CRP）的多尺度云检测算法,使用CRP来实现多尺度的特征提取。然后,在GCDB-UNet中,通过嵌入CRP模块,提出GCDB-CRP-UNet云检测网络,以使有效的提取遥感图像丰富的背景上下文信息,从而提高模型对背景信息的敏感程度,提升模型对云与非云区域的判别能力。实验表明CRP模块可以有效的提升云检测的检测精度。最后基于研究成果开发了一套可视化云检测系统,该系统可支持风云3D卫星和MODIS卫星图像中的云检测。

关键词：云检测深度学习语义分割自注意力机制全卷积神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：