基于深度学习和直线检测的高分辨率遥感影像建筑物提取
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 论文研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 深度学习目标检测国内外研究现状 | 第11-13页 |
| 1.2.2 建筑物提取国内外研究现状 | 第13-16页 |
| 1.3 建筑物提取难点分析 | 第16-17页 |
| 1.4 本文研究内容 | 第17-18页 |
| 1.5 本文章节安排 | 第18-20页 |
| 第二章 深度学习和直线检测算法 | 第20-26页 |
| 2.1 深度学习目标检测模型 | 第20-23页 |
| 2.1.1 基于候选区域的检测算法 | 第20-22页 |
| 2.1.2 基于回归的检测算法 | 第22-23页 |
| 2.2 LSD直线检测 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于深度学习和直线检测的建筑物提取 | 第26-42页 |
| 3.1 高分影像建筑物目标检测 | 第26-34页 |
| 3.1.1 建筑物特征提取残差网络 | 第27-30页 |
| 3.1.2 建筑物检测全卷积神经网络 | 第30-32页 |
| 3.1.3 建筑物目标初步检测 | 第32-34页 |
| 3.2 建筑物局部区域直线检测 | 第34-39页 |
| 3.2.1 直线检测 | 第35-36页 |
| 3.2.2 直线筛选 | 第36-37页 |
| 3.2.3 直线合并 | 第37-39页 |
| 3.3 建筑物区域精确提取 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 实验结果与分析 | 第42-55页 |
| 4.1 实验数据集和平台 | 第42-44页 |
| 4.1.1 WHURS_Building数据集 | 第42-44页 |
| 4.1.2 实验平台 | 第44页 |
| 4.2 算法评价指标 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-54页 |
| 4.3.1 建筑物初步检测结果分析 | 第45-49页 |
| 4.3.2 不同建筑物检测方法对比 | 第49-51页 |
| 4.3.3 建筑物区域提取结果分析 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士期间科研经历与科研成果 | 第61-62页 |
| 致谢 | 第62-63页 |
