基于场景分析的遥感图像分割与标注方法研究

目录

声明

第一章绪论

1.1 课题研究背景及意义

1.2 研究现状

1.2.1 传统遥感图像分割研究现状

1.2.2 基于深度学习的遥感图像分割标注研究现状

1.3 本文研究内容及论文结构

1.3.1 主要工作

1.3.2 文章结构安排

第二章遥感图像分割相关知识

2.1基于聚类的遥感图像分割方法概述

2.2 基于深度学习的遥感图像分割方法概述

2.2.1 深度学习基础知识

2.2.2 深度学习常用图像分类网络

2.2.3 基于深度学习语义分割图像标注方法

2.3 本章小结

第三章基于Ncut 层次区域合并图像分割方法

3.1 Ncut 算法原理

3.1.1 分割原理

3.1.2 归一化割原理

3.1.3 归一化割求解

3.2 超像素算法

3.2.1 SLIC算法

3.2.2 熵率超像素算法

3.3 超像素层次区域合并法

3.4 SLIC和Ncut 区域合并图像分割方法

3.4.1 计算相似度矩阵W

3.4.2 图像分割算法的步骤

3.5 实验结果与分析

3.5.1 自然场景图像分割结果

3.5.2 遥感图像分割结果

3.5.3 实验结果评估

3.6 本章小结

第四章基于DeepLab V3+改进的遥感图像道路标注方法

4.1 DeepLab V3+网络

4.2 DeepLab V3+改进的网络

4.2.1 DeepLab V3+改进的网络结构

4.2.2 DeepLab V3+改进的网络优化

4.3 实验结果与分析

4.3.1 实验评价标准

4.3.2 实验数据结果

4.4 本章小结

第五章基于Multi-ASPP 遥感图像语义分割标注方法

5.1 空间金字塔池化操作

5.1.1 传统图像金字塔

5.1.2 深度学习中的空间金字塔池化

5.2 遥感图像中样本不均衡常用解决方法

5.2.1 过采样和欠采样操作

5.2.2 损失函数处理样本不平衡

5.3 Multi-ASPP 网络

5.3.1 Multi-ASPP网络结构

5.3.2 Multi-ASPP网络优化

5.4 实验结果与分析

5.4.1 CCF大数据比赛数据集

5.4.2 实采数据集

5.5 本章小结

第六章 GUI 展示测试及场景分析结果

6.1 功能1：遥感图像分割展示

6.2 功能2：遥感图像道路提取及场景分析展示

6.3 功能3：遥感图像语义分割与标注及场景分析展示

6.4 本章小结

第七章总结与展望

7.1 工作总结

7.2 工作展望

致谢

参考文献

攻硕期间取得的研究成果