共查询到16条相似文献，搜索用时 109 毫秒
1.
本文探讨了深度学习在航空影像密集匹配中的性能，并与经典方法进行了比较，对模型泛化能力进行了评估。首先，实现了MC-CNN（matching cost convolutional neural network）、GC-Net（geometry and context network）、DispNet（disparity estimation network）3种代表性卷积神经元网络在航空立体像对上的训练和测试，并与传统方法SGM（semi-global matching）和商业软件SURE进行了比较。其次，利用直接迁移学习方法，评估了各模型在不同数据集间的泛化能力。最后，利用预训练模型和少量目标数据集样本，评估了模型微调的效果。试验包含3套航空影像、2套开源街景影像。试验表明：①与传统的遥感影像密集匹配方法相比，目前深度学习方法略有优势；②GC-Net与MC-CNN表现了良好的泛化能力，在开源数据集上训练的模型可以直接应用于遥感影像，且3PE（3-pixel-error）精度没有明显下降；③在训练样本不足时，利用预训练模型做初值并进行参数微调可以得到比直接训练更好的结果。 相似文献
2.
在半监督语义分割中,主要采用编码-主从解码器结构使无标签样本参与计算以提高分割精度,但编码器的连续下采样操作易丢失浅层细节特征,从而导致地物边界分割不完整。为此,本文提出结合多尺度共享编码的半监督网络架构对航空影像进行语义分割,该网络的编码器采用ResNet-50获取影像浅层特征,并通过在ResNet-50末端嵌入多尺度共享编码模块来链接浅层特征,以构建密集特征金字塔和扩大感受野,从而获取目标地物多尺度细节信息。将本文网络与UNet、DeepLabv3+、FCN监督网络和CCT、XModalNet、VLCNet半监督网络在LandCover.ai和DroneDeploy数据集上分别进行了对比试验和精度评估。结果表明:本文网络在标签数量与精度方面均具有明显优势,对于LandCover.ai数据集,在6000张标签样本和6500张无标签样本的前提下,整体mIoU提升1.15%,对于DroneDeploy数据集,在30张标签样本和5张无标签样本的前提下,整体mIoU提升0.94%,同时显著提升影像地物的分割精度,得到更清晰、完整的地物边界。 相似文献
3.
针对传统单目视觉里程计缺少深度信息，导致大规模尺度漂移的问题，该文提出了一种融合无监督深度学习与几何算法的视觉里程计方法。在单目深度2(Monodepth2)网络的基础上，提出了深度及姿态一致性损失，引入改进的通道-空间注意力模块，解决了自监督联合深度姿态学习中尺度不一致的问题；从密集光流中提取精确的稀疏匹配，通过求解本质矩阵来恢复相对姿态，使其不依赖于姿态网络(PoseNet),具有更好的鲁棒性。在KITTI数据集上进行实验，结果表明，该文提出的方法相比传统几何方法和端到端的深度学习方法，在多项评估指标方面有明显提升，验证了该算法的有效性。 相似文献
4.
针对无人机遥感影像中可能出现的多个密集的小目标,在检测时会出现误检、漏检的难点问题,本文提出了一种基于YOLO v4的具有密集连接网络模块的遥感影像轻量化目标检测算法,实现了对无人机遥感影像中车辆小目标的高精度识别。首先,对YOLO v4主干网络CSP Darknet53的卷积层采用密集连接、稀疏连接两种处理方式,加强特征的提取和重复使用,以缓解梯度消失问题;然后,对此模块进行模型剪裁,减少网络层数并定义为新的密集连接网络模块;最后,在NWPU-VHR-10数据集和笔者所在课题组制作的Vehicle-850无人机影像数据集上进行了对比试验并取得了较好的效果。本文改进后的网络结构在提高遥感影像目标检测准确率的同时,缩短了网络模型的收敛时间,减少了模型占用的内存空间,提高了遥感影像中目标检测的速度。 相似文献
5.
三维重建可用于数字高程模型制作、机器人导航、增强现实和自动驾驶等。视差图是三维重建中一种重要的表达方式,而立体密集匹配是使用最广泛的获取视差图的技术。近年来,随着硬件、数据集、算法的发展,基于深度学习的立体匹配方法受到了广泛关注并取得了巨大成功。然而,这些方法通常在近景立体像对中进行测试,很少被用于遥感影像中。回顾了双目立体匹配的深度学习方法,选出了代表性的5种经典深度学习模型——GC-Net(geometry and context network)模型、PSM-Net(pyramid stereo matching network)模型、GWC-Net(group-wise correlation stereo network)模型、GA-Net(guided aggregation network)模型、HSM-Net(hierarchical deep stereo matching network)模型,将其应用于一套开源街景数据集(KITTI2015)和两套航空遥感影像数据集(München、WHU);分析了各种网络的实现方法,探讨了深度学习在遥感影像立体匹配中的性能,并与传统方法进行了对比。 相似文献
6.
面对高光谱影像分类的半监督阶梯网络 总被引：1，自引：0，他引：1
提出一种半监督阶梯网络用于对高光谱影像进行分类,以解决小样本条件下基于堆栈式自编码器的高光谱影像分类方法分类精度不高的问题。首先,该网络以堆栈式自编码器为基础,在编码器和解码器之间增加横向连接参数构建阶梯网络,以使网络适合半监督分类;然后将无监督损失函数与有监督损失函数之和作为最终优化的目标函数,采用半监督的方式对整个网络进行训练。为进一步提高分类精度,提取局部二值模式纹理特征进行分类实验。实验结果表明:提出的半监督阶梯网络能够较好地解决高光谱影像分类小样本问题;且LBP纹理特征能够有效提高分类精度。 相似文献
7.
高分辨率遥感影像语义分割的半监督全卷积网络法 总被引：1，自引：0，他引：1
在遥感领域,利用大量的标签影像数据来监督训练全卷积网络,实现影像语义分割的方法会导致标签绘制成本昂贵,而少量标签数据的使用会导致网络性能下降。针对这一问题,本文提出了一种基于半监督全卷积网络的高分辨率遥感影像语义分割方法。通过采用一种集成预测技术,同时优化有标签样本上的标准监督分类损失及无标签数据上的非监督一致性损失,来训练端到端的语义分割网络。为验证方法的有效性,分别使用ISPRS提供的德国Vaihingen地区无人机影像数据集及国产高分一号卫星影像数据进行试验。试验结果表明,与传统方法相比,无标签数据的引入可有效提升语义分割网络的分类精度并可有效降低有标签数据过少对网络学习性能的影响。 相似文献
8.
基于Encoder-Decoder网络的遥感影像道路提取方法 总被引：2，自引：2，他引：0
针对道路目标特点,设计实现了用于遥感影像道路提取的Encoder-Decoder深度语义分割网络。首先,针对道路目标局部特征丰富、语义特征较为简单的特点,设计了较浅深度、分辨率较高的Encoder-Decoder网络结构,提高了分割网络的细节表示能力。其次,针对遥感影像中道路目标所占像素比例较小的特点,改进了二分类交叉熵损失函数,解决了网络训练中正负样本严重失衡的问题。在大型道路提取数据集上的试验表明,所提方法召回率、精度和F1-score指标分别达到了83.9%、82.5%及82.9%,能够完整准确地提取遥感影像中的道路目标。所设计的Encoder-Decoder网络性能优良,且不需人工设计提取特征,因而具有良好的应用前景。 相似文献
9.
影像匹配在多种计算机视觉任务中起着重要的作用。提出一种用于影像匹配的多尺度视觉相似度比较网络。该网络基于孪生网络结构进行构建,将普通卷积与空洞卷积进行融合,使得卷积神经网络在多个尺度上提取到的视觉特征实现互补。首先,网络的输入由两幅待匹配的影像组成,使用权值共享的两个网络分支分别提取两幅影像的深度特征;其次,在网络中与每个普通卷积模块平行设置一个或多个空洞卷积模块,得到的特征经过融合后输入下一个网络层进行特征提取;最后,根据网络输出特征间的欧氏距离对影像的相似度进行比较,从而完成影像匹配关系的判别。实验结果表明,本文提出的方法在测试数据集上的性能优于对比方法,能够有效地完成影像匹配任务。 相似文献
10.
针对目前带有视差突变的宽基线弱纹理影像拼接效果差及需要人工干预的问题,本文从影像匹配和影像配准两方面进行改进,提出了面向宽基线弱纹理影像的抗视差全自动拼接算法。首先,采用融合了影像视角几何纠正的局部特征变换模型,由粗到精地实现弱纹理特征的准密集对应;然后,基于匹配点和深度神经网络,泛化学习宽基线影像间的可靠透视变换,以获取全局配准视差,局部视差则通过薄板样条函数来精确拟合;接着,将影像拼接结果的多边形边界进行规则化处理,通过全卷积网络将其训练为规则化矩形,在有效剔除空白区域的同时,最大限度地保留影像拼接内容;最后,选取4组无人机和地面近景宽基线弱纹理立体像对进行测试,并将本文算法的影像匹配及配准各阶段结果分别与现有代表性算法结果进行对比。试验结果表明,本文算法在匹配点数目、匹配精度及影像拼接质量等方面具有显著优势,并能够在影像弱纹理区域及视差突变场景表现出较好的稳定性。 相似文献
11.
高分辨率遥感影像解译是遥感信息处理领域的研究热点之一,在遥感大数据知识挖掘与智能化分析中起着至关重要的作用,具有重要的民用和军事应用价值。传统的高分辨率遥感影像解译通常采用人工目视解译方式,费时费力且精度低。所以,如何自动、高效地实现高分辨率遥感影像解译是亟待解决的问题。近年来,随着人工智能技术的飞速发展,采用机器学习方法实现高分辨率遥感影像解译已成为主流的研究方向。本文结合高分辨率遥感影像解译的典型任务,如目标检测、场景分类、语义分割、高光谱图像分类等,系统综述了5种代表性的机器学习范式。具体来说,本文分别介绍了不同机器学习范式的定义、常用方法以及代表性应用,包括全监督学习(如支持向量机、K-最近邻、决策树、随机森林、概率图模型)、半监督学习(如纯半监督学习、直推学习、主动学习)、弱监督学习(如多示例学习)、无监督学习(如聚类、主成分分析、稀疏表达)和深度学习(如堆栈自编码机、深度信念网络、卷积神经网络、生成对抗网络)。其次,深入分析五种机器学习范式的优缺点,并总结了它们在遥感影像解译中的典型应用。最后,展望了高分辨率遥感影像解译的机器学习发展方向,如小样本学习、无监督深度学习、强化学习等。 相似文献
12.
航空摄影测量作为摄影测量学最重要的分支之一,近年来得到了长足的发展。倾斜航空摄影和无人机摄影测量等多种新作业模式的出现,给传统航空摄影测量带来新的挑战的同时也催生出了诸多新的解决方案。此外,人工智能领域计算机视觉技术和深度学习技术中的新理论、新方法不断融入航空摄影测量中,推动航空摄影测量向智能化、自动化方向发展。当代航空摄影测量学已经是多种传感器融合、多种数据采集方式结合、传统摄影测量和人工智能技术交叉的产物。三维重建是航空摄影测量的核心问题之一。本文阐述了当代航空摄影三维重建技术的发展趋势和存在的问题,着重从航空影像的同名连接点自动提取与匹配、区域网平差、密集匹配和单体化建模4个方面对当前的研究现状进行了总结讨论,给出了当前国内外主流的航空影像摄影测量处理框架。 相似文献
13.
14.
15.
针对全球导航卫星系统（global navigation satellite system,GNSS）拒止环境下大范围无人机视觉绝对定位问题,提出了一种聚合深度学习特征的卫星基准影像检索方法。首先,利用预训练的深度学习模型提取无人机与卫星基准影像的局部卷积特征;然后,对局部特征描述符进行聚合,生成影像全局表达;最后,利用影像全局特征进行相似性检索,并采用检索结果精匹配重排序的后处理方法,进一步提高检索准确率。设计了一个新的面向无人机绝对定位的卫星基准影像数据集并进行实验,结果表明,使用所提方法检索无人机影像适配区域的卫星基准影像的准确率达76.07%,可为后续基于视觉的无人机绝对定位提供参考。 相似文献
16.
针对稀疏匹配点无法满足三维重建工作需要及传统密集匹配算法面对明暗变换影像匹配无力等问题,本文提出了一种结合马氏距离与梯度描述符的密集匹配方案。该方案首先利用初始可靠同名点建立同名三角网;然后以各三角形的对应中点作为加密匹配基元,以描述符与马氏距离作为两种影响因素,建立得分计算公式;最后以超过该得分阈值者作为匹配点,遍历所有三角形,更新三角网重复上述步骤,直至没有新的匹配点产生。利用网络公开数据集进行验证,试验结果表明,本文提出的密集匹配方案较好地解决了传统算法面对明暗变换影像适应性较差的问题,同时对多种变换影像有着较好的适应性与稳定性。 相似文献