大幅面圖像中橋梁目標檢測技術(shù)研究.pdf

1、在計算機視覺和機器學習領(lǐng)域中，目標檢測一直是一個重要的研究方向。諸如機場、港口、橋梁等具有軍事戰(zhàn)略意義的目標檢測技術(shù)近年來引起了廣泛關(guān)注，這些目標的檢測技術(shù)可被用于作戰(zhàn)指揮、火力打擊等場合中，與此同時，地理信息系統(tǒng)中數(shù)據(jù)維護更新也需要這些目標的準確定位。對于超過四百萬像素、覆蓋寬度超過四十公里的大幅面圖像，由于存在以下因素：1，大幅面圖像中的橋梁目標所占比例很小，包含很多道路、山體、河岸線等干擾物體，難以采用直接提取橋梁特征的方式檢測到

2、橋梁目標。2，大幅面圖像中包含像素數(shù)較多，直接采用傳統(tǒng)的圖像分割、邊緣提取、線段檢測等技術(shù)檢測橋梁目標將會耗費大量的時間。3，橋梁本身也存在角度、尺寸的不確定因素，這給目標檢測造成很大的困難。因此如何在大幅面圖像中精確定位橋梁目標是一項既具有研究意義又包含技術(shù)挑戰(zhàn)的問題。
　　本論文針對大幅面圖像中橋梁識別問題，為了減少運算量和提高準確性，將檢測過程分為低分辨率橋梁潛在區(qū)域檢測和高分辨率準確定位橋梁位置兩個階段。
　　潛在區(qū)

3、域檢測階段中，將已經(jīng)在海量圖像數(shù)據(jù)庫上訓練好特征參數(shù)的深層卷積神經(jīng)網(wǎng)絡，作為一種“黑盒”特征描述算子，再針對橋梁檢測的應用背景，利用橋梁樣本的深層卷積神經(jīng)網(wǎng)絡特征來訓練分類器。在預測階段，將測試圖像送入深層卷積神經(jīng)網(wǎng)絡，將計算出來的特征送入分類器就可以完成分類。在精確定位橋梁位置階段，利用基于隨機森林的邊緣檢測技術(shù)提取邊緣，再利用直線檢測技術(shù)檢測到線段，對于存在的虛警線段以及需要補償?shù)臉蛄壕€段，采取基于圖論的超像素分割和紋理特征相結(jié)合的