高分辨率多光谱卫星遥感影像中的语义分割方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.1.1 遥感图像 | 第12-13页 |
| 1.1.2 图像语义分割 | 第13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 语义分割方法 | 第13-16页 |
| 1.2.2 遥感影像的语义分割 | 第16-18页 |
| 1.3 本文的主要工作 | 第18页 |
| 1.4 论文章节安排 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 相关技术介绍 | 第20-26页 |
| 2.1 传统机器学习模型 | 第20-21页 |
| 2.2 深度学习模型 | 第21-25页 |
| 2.2.1 基于patch的CNN分类模型 | 第21-22页 |
| 2.2.2 基于FCN的分类模型 | 第22-23页 |
| 2.2.3 基于SegNet的分类模型 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 技术方案概述 | 第26-30页 |
| 3.1 问题描述 | 第26页 |
| 3.2 主要技术流程 | 第26-29页 |
| 3.2.1 数据标注阶段 | 第27-28页 |
| 3.2.2 模型训练阶段 | 第28-29页 |
| 3.2.3 预测结果阶段 | 第29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 遥感影像处理与数据标注 | 第30-41页 |
| 4.1 问题描述 | 第30页 |
| 4.2 遥感影像波段合成 | 第30-32页 |
| 4.3 遥感影像融合 | 第32-36页 |
| 4.3.1 方法介绍 | 第32-35页 |
| 4.3.2 融合效果展示 | 第35-36页 |
| 4.4 图像切分 | 第36-37页 |
| 4.5 数据标注 | 第37-40页 |
| 4.5.1 基于Super Pixel的标注 | 第37-38页 |
| 4.5.2 多边形描边标注 | 第38页 |
| 4.5.3 标注工具 | 第38-39页 |
| 4.5.4 生成label图像 | 第39-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第5章 分类模型 | 第41-52页 |
| 5.1 基于SegNet的分类模型 | 第41-46页 |
| 5.1.1 标准模型的不足 | 第41-42页 |
| 5.1.2 模型设计 | 第42-44页 |
| 5.1.3 图像特征 | 第44-45页 |
| 5.1.4 语义分割流程 | 第45-46页 |
| 5.2 对比方法 | 第46-51页 |
| 5.2.1 基于像素分类的模型 | 第47-49页 |
| 5.2.2 基于patch的CNN分类模型 | 第49-50页 |
| 5.2.3 基于FCN的分类模型 | 第50-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 训练技巧与结果优化 | 第52-61页 |
| 6.1 样本随机抽样 | 第52-55页 |
| 6.1.1 简单随机抽样方案 | 第52页 |
| 6.1.2 蓄水池抽样方案 | 第52-55页 |
| 6.1.3 参数选择 | 第55页 |
| 6.2 数据增强 | 第55-56页 |
| 6.3 Fine-tuning | 第56-57页 |
| 6.4 图像平滑 | 第57-60页 |
| 6.4.1 中值滤波方法 | 第58-59页 |
| 6.4.2 效果展示 | 第59-60页 |
| 6.5 本章小结 | 第60-61页 |
| 第7章 实验结果 | 第61-70页 |
| 7.1 数据集介绍 | 第61-62页 |
| 7.2 评估指标 | 第62-63页 |
| 7.3 实验环境 | 第63-64页 |
| 7.4 实验结果与分析 | 第64-69页 |
| 7.4.1 数据集MBD实验结果 | 第64-66页 |
| 7.4.2 高分二号卫星遥感影像数据集实验结果 | 第66-67页 |
| 7.4.3 道路语义分割实验 | 第67-68页 |
| 7.4.4 分析与比较 | 第68-69页 |
| 7.5 本章小结 | 第69-70页 |
| 第8章 总结与展望 | 第70-72页 |
| 8.1 全文总结 | 第70-71页 |
| 8.2 工作展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间主要的研究成果 | 第77-78页 |
| 致谢 | 第78页 |
