發(fā)布時間：2020-11-09 04:37

　　 近年來,伴隨著我國城鎮(zhèn)化進程的不斷推進,拆遷、棚戶改造、市政工程等項目日益增多,城市面臨的建筑垃圾管理不當?shù)膯栴}愈顯突出。不規(guī)范的建筑垃圾堆放不僅會帶來安全隱患,同時也會造成嚴重的環(huán)境污染。針對建筑垃圾堆存的監(jiān)管排查工作是建筑垃圾治理的重點任務之一,目前主要采用實地檢查和現(xiàn)場測量相結合的形式。但這種方法存在時效性差,人力?物力?財力消耗大等問題。遙感對地觀測技術具有遠距離探測?大面積覆蓋?重訪周期短等優(yōu)勢,目前已在建筑垃圾堆存監(jiān)測領域展開應用。并且,隨著以神經網絡為代表的深度學習技術的發(fā)展,其在遙感圖像處理、識別等方面取得了較好的應用成效。因此,本文研究將深度學習的方法應用于建筑垃圾堆存的遙感識別中,圍繞2個方面開展研究:一是針對建筑垃圾遙感數(shù)據(jù)集樣本不足問題,使用改進的生成對抗網絡實現(xiàn)了建筑垃圾遙感圖像樣本的擴充;二是利用遷移學習手段實現(xiàn)了建筑垃圾遙感圖像語義分割,為建筑垃圾堆存的遙感識別研究提供技術支持。現(xiàn)就主要開展的研究工作簡述如下:(1)首先對三種經典的遙感識別方法研究現(xiàn)狀進行了梳理�；�于像元的遙感地物識別,僅利用了圖像的光譜信息,不能充分利用影像的上下文信息,提取精度較差;面向對象的遙感地物識別,其分割得到的圖像往往不能比較精準的表示整個物體,從而影響識別精度;基于深度學習語義分割的遙感提取方法是熱門研究方向,可以解決以上兩種方法的問題,但需要大量數(shù)據(jù)樣本提供支持。(2)通過對三種遙感識別方式的研究,本文選取了基于語義分割的遙感識別方式,并開展了制作建筑垃圾堆存樣本集的工作。選取高分二號2018年9月5日北京南部區(qū)域5景圖像,經預處理與剪裁后,共選取956張,尺寸為512×512像素的圖片作為樣本集原圖。經實地調研與影像特征解譯,制定了語義分割實驗的6種類別,通過人工標注,得到了原圖對應標簽,為今后實驗研究積累了樣本數(shù)據(jù)。(3)基于改進的生成對抗網絡進行樣本生成實驗。生成對抗網絡由生成模型和判別模型組成。本文根據(jù)可提取特征的LBP算子改進了生成模型損失函數(shù),并且在模型訓練的時候引入?yún)��?shù)遷移學習的思想,提高了模型對重點特征的學習能力。實驗使用956張樣本集原圖進行訓練,結果顯示生成圖像對比原圖的最高均方誤差(MSE)、峰值信噪比(PSNR)分別達到12.9873與5838.7155,相較于原始網絡小幅提升,且生成樣本顏色與紋理符合客觀現(xiàn)實,可以實現(xiàn)數(shù)據(jù)集的有效擴充。(4)基于遷移學習的建筑垃圾語義分割研究。研究中遷移學習采用的預訓練模型為DeepLabV3模型,該模型包含空洞卷積、ASPP池化,以及骨干網絡ResNet。研究共包含三個實驗:實驗一選擇以ResNet-50為骨干網絡的DeepLab模型作為預訓練模型進行建筑垃圾語義分割;實驗二使用實驗一訓練后模型進行不同層參數(shù)遷移實驗;實驗三使用實驗一訓練后模型以及本文生成樣本進行樣本遷移實驗。實驗一結果表明,平均交并比mIoU為75.32%,存在裸地被誤判的情況,總體符合建筑垃圾遙感識別要求。實驗二結果表明參數(shù)遷移方法可提升平均交并比mIoU(最高為78.12%),若樣本量不足時,可適當進行參數(shù)遷移學習達到一定精度;實驗三結果表明使用生成樣本方法獲得樣本參與分割網絡的訓練,可以在一定程度上提升建筑垃圾分割算法的語義分割精度;對于建筑垃圾分割研究,生成樣本與真實樣本比例為1:3為佳。
【學位單位】：北京建筑大學
【學位級別】：碩士
【學位年份】：2020
【中圖分類】：X799.1;X87
【部分圖文】：

類再利用，其余建筑垃圾將被不規(guī)范的堆放，甚至被隨意地亂倒偷倒，如圖1（a）所示。這些垃圾在侵占了一定數(shù)量的土地的同時，通過長時間裸露在地表上，經過太陽暴曬、雨水浸泡，有害微生物的分解與發(fā)酵等，垃圾中的有毒物質與土壤中的有機物質發(fā)生反應，產生大量的有害污染物，經地表漫流，污染土壤、地表水、地下水，其危害性不容忽視。(a)侵占河道的建筑垃圾[2](a)Constructionwasteencroachingonrivercourses(b)2006-2018年中國建筑垃圾產生量[3](b)China"sconstructionwasteproductionfrom2006to2018圖1-1違規(guī)建筑垃圾與中國建筑垃圾產量Fig.1-1IllegalconstructionwasteandconstructionwasteproductioninChina目前，針對建筑垃圾堆存的監(jiān)管排查主要采用實地訪問和現(xiàn)場測量等形式，這種方法存在很多不足：第一，時效性差，采取每年或者每月若干次監(jiān)管排查的方式不能做到建筑垃圾的快速檢測；第二，人工實地調查會耗費大量的人力物力財力，并且不能做到全方位無遺漏的排查而對地觀測遙感技術具有遠距離探測大面積覆蓋重訪周期短等特點[4]，不僅可以快速發(fā)現(xiàn)建筑垃圾是否清運，掌握其堆放面積等現(xiàn)狀信息，還可以監(jiān)測違規(guī)堆放的處理進度，實現(xiàn)動態(tài)跟蹤監(jiān)測。已有不少學者使用遙感數(shù)據(jù)進行建筑垃圾監(jiān)測，文獻[1]采用北京1號小衛(wèi)星實現(xiàn)了非正規(guī)垃圾場的監(jiān)測。文獻[5]中北京市針對300平方米以上的1.2萬多處的重點拆違項目開展每月一次遙感監(jiān)測。而機器學習應用不斷擴展，利用高分辨率遙感影像數(shù)據(jù)及4.75.526.066.758.129.7711.2112.9714.3214.214.4915.9317.0402468101214161820062007200820092010201120122013201420152016201720182006-2018年中國建筑垃圾產生量（單位：億噸）

第2章研究區(qū)概況與實驗數(shù)據(jù)11圖2-1實驗數(shù)據(jù)位置示意圖Fig.2-1Experimentaldatalocationdiagram2.2實驗數(shù)據(jù)與建筑垃圾特征2.2.1實驗數(shù)據(jù)本研究采用的遙感數(shù)據(jù)為高分二號L1A級數(shù)據(jù)，衛(wèi)星參數(shù)如表2-2所示。成像時間包括2017年5月14日與2018年9月5日共5景圖像，單幅遙感圖像如2-2所示。數(shù)據(jù)包括全色波段和4個多光譜波段，數(shù)據(jù)參數(shù)如表2-3所示。圖像裁剪尺寸為256×256。表2-2高分二號衛(wèi)星參數(shù)Table2-2GF-2satelliteparameters參數(shù)指標軌道類型太陽同步回歸軌道軌道高度631km軌道傾角97.9090°降交點地方時10:30AM回歸周期69天單景面積約500平方公里

第2章研究區(qū)概況與實驗數(shù)據(jù)12表2-3高分二號衛(wèi)星傳感數(shù)據(jù)Table2-3GF-2satellitesensingdata載荷譜段號譜段范圍（μm）空間分辨率（m）幅寬（km）側擺能力重訪時間（天）全色10.45~0.90145±35°（機動35°的時間≤180秒）多光5譜20.45~0.52430.52~0.5940.63~0.6950.77~0.89圖2-2高分二號影像L1A0002808485Fig.2-2GF-2imageL1A0002808485本文另外還使用UCMercedLandUseDataset遙感樣本集[62]作為補充實驗UCMercedLandUseDataset數(shù)據(jù)集，用于研究目的的21級土地利用圖像遙感數(shù)據(jù)集，于2010年10月28日由UCMerced計算機視覺實驗室發(fā)布圖像取自USGSNationalMap
【參考文獻】

相關期刊論文 前3條

1 張方利;杜世宏;郭舟;;應用高分辨率影像的城市固體廢棄物提取[J];光譜學與光譜分析;2013年08期

2 劉亞嵐;任玉環(huán);魏成階;汪愛華;周會珍;遲耀斌;;北京1號小衛(wèi)星監(jiān)測非正規(guī)垃圾場的應用研究[J];遙感學報;2009年02期

3 陳文凱;何少林;張景發(fā);周中紅;郭曉寧;;利用遙感技術提取震害信息方法的研究進展[J];西北地震學報;2008年01期

相關博士學位論文 前2條

1 鮑建敏;基于生成對抗網絡的圖像合成[D];中國科學技術大學;2019年

2 趙福軍;遙感影像震害信息提取技術研究[D];中國地震局工程力學研究所;2010年

相關碩士學位論文 前6條

1 陳夢;基于深度學習的建筑物震害遙感識別研究[D];中國地震局地震預測研究所;2019年

2 楊壯;面向Bin Picking的虛擬數(shù)據(jù)集構建及智能識別方法的研究[D];華東理工大學;2019年

3 陳俊;基于R-YOLO的多源遙感圖像海面目標融合檢測算法研究[D];華中科技大學;2019年

4 肖莎;基于機器學習的高分辨率遙感影像城市固廢檢測[D];福州大學;2018年

5 劉雪龍;面向對象的遙感影像工業(yè)固體廢物信息提取方法研究[D];中國地質大學（北京）;2013年

6 柳稼航;利用遙感技術進行城市建筑物震害的自動識別與分類方法研究[D];中國地震局地質研究所;2003年

本文編號：2875898