基于FCN及种子的遥感影像道路提取方法的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 已有成果 | 第11-12页 |
| 1.2.2 存在问题及解决的方法 | 第12-13页 |
| 1.3 本文结构与内容安排 | 第13-14页 |
| 1.4 本章小结 | 第14-16页 |
| 2 相关技术介绍及FCN思想应用 | 第16-30页 |
| 2.1 深度学习框架的介绍 | 第16-24页 |
| 2.1.1 深度学习框架之一 Caffe | 第16-20页 |
| 2.1.2 前向、反向传播的计算 | 第20-24页 |
| 2.1.3 深深的应用Caffe | 第24页 |
| 2.2 FCN语义分割的特点、网络修改及训练 | 第24-28页 |
| 2.2.1 思想的主要特点FCN | 第24-25页 |
| 2.2.2 数据和模型并行原理 | 第25-27页 |
| 2.2.3 训练时内存、网络的修改 | 第27页 |
| 2.2.4 过拟合和欠拟合问题的解决 | 第27-28页 |
| 2.3 种子填充算法 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 3 道路提取的准备工作及相似性判断 | 第30-34页 |
| 3.1 道路基块的选取原则 | 第30页 |
| 3.2 粗略图的提取 | 第30-31页 |
| 3.3 图像预处理 | 第31页 |
| 3.4 图像块的相似性判断 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 4 道路提取方法的实现 | 第34-44页 |
| 4.1 图像处理的流程 | 第34-35页 |
| 4.2 道路提取搜索中道路的方向性 | 第35-37页 |
| 4.2.1 向量方向性对搜索效率的影向 | 第36-37页 |
| 4.2.2 粗略图中建筑物对搜索效率的影响 | 第37页 |
| 4.3 道路提取过程中路的准确性 | 第37-38页 |
| 4.4 类种子填充算法过程 | 第38-41页 |
| 4.5 道路提取的平台及结果 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 5 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-52页 |
| 攻读学位期间发表的学术论文和参与的科研项目 | 第52-53页 |
