检索结果-内蒙古大学图书馆

作者：吴子媛哈尔滨师范大学

学位级别：硕士

遥感影像变化检测是对位于同一个区域不同时段的遥感影像通过图像处理等方法进行分析和判断出其发生变化的区域的一种方法。这有利于对土地利用和土地覆盖进行变化监测、对耕地以及土地资源进行保护检测。它作为一门多个学科集成交叉的... 详细信息

遥感影像变化检测是对位于同一个区域不同时段的遥感影像通过图像处理等方法进行分析和判断出其发生变化的区域的一种方法。这有利于对土地利用和土地覆盖进行变化监测、对耕地以及土地资源进行保护检测。它作为一门多个学科集成交叉的技术,是当前遥感方向研究热点之一。飞速发展的卫星技术提高了遥感影像的分辨率、扩大了覆盖的范围,遥感影像所蕴藏的信息也越来越丰富,由于传统的遥感影像变化检测方法对影像预处理阶段的要求比较严格,并且很多方面需要人为去操作,这样就会获得精度较低的变化检测结果。所以如何高效合理地利用这些信息也成为了目前需要面对的新的挑战。随着计算机性能的不断提高与人工智能技术的不断进步,深度学习方法逐渐进入大众的视野,相比于传统方法针对具体的任务提取特定的信息,原始数据可以通过深度学习方法做逐层提取来获得深层次的信息,这样描述问题的能力也会更加细致。因此,本文基于GF-1遥感影像,利用具有强大学习特征能力的深度学习u-net模型来处理遥感影像变化检测问题。具体研究内容有以下几点:1、将传统遥感影像变化检测方法分为直接比较法和分类后比较法,介绍其中几种常见的方法;系统的讲解利用深度学习处理遥感影像变化检测的方法,详细的讲解卷积神经网络和全卷积神经网络的主要思路和架构,同时对本文采用的u-net模型进行详细的讲解,对u-net模型的模型结构、参数设置等方面进行分析。2、本文论述了遥感影像变化检测的处理过程,主要有影像的预处理、分类系统的制定、影像和标签样本集构建、模型参数的选取、模型配置及优化、变化检测结果图和精度评价。3、为了检验在遥感影像变化检测方面u-net模型的可行性及相对于传统遥感影像变化检测方法的优势,研究区选取哈尔滨市双城区,研究数据选择2013年、2016年、2019年高分一号(GF-1)遥感影像,通过构建u-net模型,调整模型参数,对网络进行优化,实现自动提取变化的区域,获得变化检测结果。对比分析传统与u-net模型的遥感影像变化检测方法,可以得出u-net模型的精度相对于传统的遥感影像变化检测方法来说比较高,变化检测效果比较好。研究结果表明,u-net模型作为一种深度学习模型,能够对蕴含的信息进行深度挖掘,表达深层次的特征,通过GF-1遥感影像与u-net模型的结合检测遥感影像的变化,可以达到更高的检测精度和运行效率,同时也说明了在遥感影像变化检测中u-net模型的行之有效性。

关键词： u-net模型变化检测 GF-1

来源：评论

学校读者我要写书评

暂无评论

融合注意力的u-net模型的少数民族服饰图案分割研究

融合注意力的U-Net模型的少数民族服饰图案分割研究

引用

作者：张博源贵州民族大学

学位级别：硕士

少数民族作为中华民族的重要组成部分,为中华民族的繁荣文化贡献了巨大的力量,其中少数民族服饰尤为瞩目,少数民族服饰作为少数民族文化中最直观和最生动的文化载体,承载了少数民族数以千年来的独特文化和审美观,更彰显了少数民族历久... 详细信息

少数民族作为中华民族的重要组成部分,为中华民族的繁荣文化贡献了巨大的力量,其中少数民族服饰尤为瞩目,少数民族服饰作为少数民族文化中最直观和最生动的文化载体,承载了少数民族数以千年来的独特文化和审美观,更彰显了少数民族历久弥新的文化价值。但是受现代流行服饰和外来服饰的强烈冲击,少数民族服饰也不免开始出现颓势,因此保护这些传承千年的少数民族服饰文化具有深远的现实意义。由于我国少数民族众多且各自拥有专属的文化特点,又因少数民族服饰受其制作工艺、风格款式、地域差异而不尽相同,现有的研究方法大多基于传统方法进行少数民族服饰图像分割,以此达到保护和传承的目的。近些年来,深度学习技术取得长足的进步和发展,而结合深度学习技术和少数民族服饰图像分割的研究内容还很少,因此本文根据特定的少数民族服饰的特点,提出相应的少数民族服饰图案分割算法。(1)苗族服饰图案的构图通常较为复杂,并且在纺织工艺上也表现出复杂性,针对苗族服饰图案分割准确率较差的问题,本文融合注意力提出了一种基于RSKP-unet模型的苗族服饰图案分割算法。在u-net模型的基本框架上,在u-net模型的编码器中嵌入Residual和带有注意力机制的SKnet注意力,可以在深层次的结构中提取图像的特征信息的同时,能够充分的捕获图像上下文信息,然后在解码器中融入Parnet,提升模型的泛化能力。另外由于苗族服饰图案一般存在的样本类别不均衡问题,本文引入了Lovász-hinge损失函数来优化网络,以此来提升苗族服饰图案的分割准确性。实验结果表明,本文提出的RSKP-unet模型在指标上整体均优于其他4种基于深度学习的对比分割模型,相比于基准模型u-net,Dice系数提升了6.98%,Iou提升了11.07%,精确率提升了2.89%,召回率提升了6.75%,准确度提升了3.92%,所以本文提出的RSKP-unet模型能够较好地解决苗族服饰图案分割问题,且分割精度较高。(2)彝族服饰图案在构图和色彩上极为复杂,并且彝族服饰图案风格较为多样,针对彝族服饰图案复杂的特性,本文融合多尺度特征提取和注意力提出了一种针对彝族服饰图案分割的轻量化的AES-unet模型。AES-unet模型通过在u-net模型上做改进,首先对u-net模型的基本框架做了改进,然后在其编码器中嵌入ASPP和ECA注意力,以此提升模型的特征提取能力并关注通道信息的重要程度,然后在其解码器中嵌入SA注意力,以此突出彝族服饰图案的语义特征,实现对彝族服饰图案的注意力操作。在Lovász-hinge损失函数的基础上,本文结合BCE损失函数和Lovász-hinge损失函数提出了一种针对彝族图案分割的改进的损失函数,以此来提升彝族服饰图案的分割准确性。实验结果显示,本文提出的AES-unet分割模型在彝族服饰图案分割上好于其他4种基于深度学习的对比分割模型,相较于基准模型u-net,本文提出的AES-unet模型在Dice系数、Iou、精确率、召回率及准确度等指标上分别提升了4.06%、4.61%、3.61%、2.05%及3.18%。因此,本文提出的AES-unet分割模型能够较好的完成彝族服饰图案的分割。

关键词：图案分割注意力样本类别不均衡 u-net模型深度学习

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net模型的肝脏肿瘤分割研究

基于改进U-Net模型的肝脏肿瘤分割研究

引用

作者：李河富广西大学

学位级别：硕士

肝脏既属于人体五脏之一,也是容易出现肿瘤的部分。肝癌是世界上致死率居高不下的恶性肿瘤之一,每年都有大量肝癌患者死亡。如果能够提早进行筛查和诊断,那么就可以有效地预防肝癌进一步恶化,及早得到治疗,降低发病率和死亡率。计算机... 详细信息

肝脏既属于人体五脏之一,也是容易出现肿瘤的部分。肝癌是世界上致死率居高不下的恶性肿瘤之一,每年都有大量肝癌患者死亡。如果能够提早进行筛查和诊断,那么就可以有效地预防肝癌进一步恶化,及早得到治疗,降低发病率和死亡率。计算机断层扫描(Computed Tomography,简称为CT)是一种非常重要的医学影像技术,能够清晰地揭示人体腹部内部器官的形态、边界和数量等关键信息。这种详尽的可视化对于精确诊断肝癌具有至关重要的作用。在诊断和治疗肝癌的过程中,CT技术发挥着不可或缺的作用。在准备肝癌手术时,医生可以通过CT图像识别并分割出肝肿瘤。借助CT的精准引导,医生能够在术前对肿瘤的位置、大小和形态有更为准确的把握,从而有效降低手术风险,并提升手术的成功率。因此,对CT图像的识别和分割是医学影像分析的核心任务。然而,依赖医生丰富的经验进行手动分割,不仅需要极大的精力投入,而且过程繁琐耗时,效率相对较低。近年来,深度学习技术在计算机图像处理领域迅速发展,尤其在医学图像分析中展现出卓越的应用潜力。神经网络和深度学习方法被广泛应用于医学影像处理。这些方法已经能够自动分割医学影像,尤其是全卷积网络(Fully Convolutional network,简称为FCN)和u-net网络的崭露头角,极大地推动了医学影像技术的进步。这两种网络结构以其独特的优势,为医学影像的分割提供了帮助,取得了良好的实际应用效果。但是,使用神经网络分割CT图像目前仍存在两个难题:一是图像的数据量比较少,难以训练;二是由于医学影像因其极高的复杂性,加之不同程度噪声的影响,使得像素灰度的准确分类变得困难。这使得在病灶区域的边缘和细小形状提取上造成了巨大的挑战。u-net网络,作为一种在医学影像分割中广泛应用的深度学习模型,它能够通过学习图像的特征,本文基于改进u-net网络模型,更精确地处理医学影像中的复杂问题,进而提升像素灰度分类的准确性。本文主要工作如下: (1)在u-net网络结构中,下采样过程会导致部分数据信息的损失,因此网络模型只能学习到原始数据的部分特征,以及由于腹部CT图像中肝脏形态复杂多样、尺度变化大、分割目标与背景灰度值相似不易区分导致分割效率低的问题。针对这些问题,本文以u-net网络模型为基础,提出基于多尺度特征融合的肝脏分割模型(Multi-scale Feature Fusion-unet,简称为Ms FF-unet)。通过在编码和解码路径间嵌入一个全新的结构来融合多尺度的语义信息,从而更有效地捕获并表达图像的复杂特征,在一定程度上可以减少数据丢失造成的影响,显著提升了肝脏分割的精确度和可靠性。本文使用Ms FF-unet模型在Li TS2017数据集上进行了实验测试,结果显示该模型在肝脏分割任务上取得了出色的表现,Dice系数为96.5%。这一结果验证了Ms FF-unet模型在肝脏CT图像分割问题上的实用性。 (2)相比于肝脏,CT图像中肝肿瘤因其区域形状不一、病变区域比例小且边缘区域的病变难以区分等问题更具复杂性和挑战性。针对这一问题,提出了一个基于多尺度注意力门机制的肝肿瘤分割模型(Multi-scale Attention Gate Mechanism-unet,简称为Ms AG-unet)。Ms AG-unet模型沿用了与Ms FF-unet模型相同的多尺度膨胀卷积块。这样在扩大网络的感受野的同时却不增加模型参数量。通过增大感受野,模型能够更全面地捕捉图像的上下文信息,促进模型对局部细节特征和全局结构特征的提取。不同之处在于,Ms AG-unet模型利用注意力门机制,聚合编码器中多层次的特征信息,通过交叉注意力门机制,自动调节瓶颈特征和编码器中的信息。这使得模型能够自适应地结合CT图像的局部细节与全局特征信息,专注于病变区域本身并利用周围区域的上下文信息来增强和补充病变特征。本文在数据增强的Li TS2017数据集上进行了实验验证,该模型肝肿瘤的分割Dice系数达到了74.9%,这结果验证了Ms AG-unet模型在肝肿瘤分割问题上的有效性。

关键词：肝脏肿瘤 CT图像 u-net模型多尺度膨胀卷积注意力门机制

来源：评论

学校读者我要写书评

暂无评论

基于u-net模型的无人机影像建筑物提取研究

引用

科技创新与生产力 2021年第7期 71-74页

作者：邓烨丁涛安徽理工大学空间信息与测绘工程学院安徽淮南232001 矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室安徽淮南232001

为了提高无人机影像建筑物自动提取精度,本文采用语义分割u-net模型完成对无人机正射影像中建筑物的提取,针对目标区域数据太少等问题,使用深度迁移学习的方法在开源数据集训练u-net模型,然后通过迁移学习对无人机正射影像中的建筑物进... 详细信息

为了提高无人机影像建筑物自动提取精度,本文采用语义分割u-net模型完成对无人机正射影像中建筑物的提取,针对目标区域数据太少等问题,使用深度迁移学习的方法在开源数据集训练u-net模型,然后通过迁移学习对无人机正射影像中的建筑物进行提取。实验采用法国国家信息与自动化研究所(INRIA)公开的图像数据集,以验证实验方法的有效和稳定。实验结果显示,该方法从影像中提取建筑物的准确率为97.36%、精确率为91.00%、召回率为88.51%,并且不受建筑物分布密度和类型的限制,对矩形建筑物提取效果较好。

关键词：无人机影像建筑物提取 u-net模型深度学习

来源：评论

学校读者我要写书评

暂无评论

基于u-net模型的建筑结构裂缝分割数字化处理方法研究

引用

工程技术研究 2024年第6期9卷 19-23页

作者：衣伟平中铁建设集团有限公司华东分公司江苏苏州215300

混凝土结构裂缝是一种常见的病害问题,由于引起结构开裂的因素较多,且建筑结构物开裂形态各异。因此,针对上述问题,文章提出一种基于u-net模型的建筑结构裂缝识别方法,实现裂缝识别的数字化与智能化。以u-net网络为基础,建立了离散性相... 详细信息

混凝土结构裂缝是一种常见的病害问题,由于引起结构开裂的因素较多,且建筑结构物开裂形态各异。因此,针对上述问题,文章提出一种基于u-net模型的建筑结构裂缝识别方法,实现裂缝识别的数字化与智能化。以u-net网络为基础,建立了离散性相对较强的训练集与验证集。在下采样和上采样过程中,进行最大池化与反卷积操作,进行架构调整,并通过Dice系数对模型进行评价。结果表明,利用该方法能够高效且较为准确地进行建筑结构裂缝数字化识别,提高结构病害检测效率。

关键词：建筑结构裂缝 u-net模型数字化处理

来源：评论

学校读者我要写书评

暂无评论

基于u-net模型的无人机影像数据地表覆被信息自动提取研究

引用

广西林业科学 2022年第4期51卷 516-519页

作者：张祖宇滕永核秦元丽廖超明凌子燕广西壮族自治区地理信息测绘院广西柳州545000 广西科学院遥感测绘研究院广西南宁530001 广西壮族自治区林业科学研究院广西南宁530002 南宁师范大学自然资源与测绘学院广西南宁530001 广西遥畅空间信息科技有限公司广西南宁530023

基于深度学习和无人机获取的高分辨率影像是快速提取林地等地表覆被空间信息的一种新方法。为给后续的林地覆被空间信息自动提取提供技术参考,以南宁市上林县某村的甘蔗(Saccharum officinarum)种植区为研究对象,采用unet模型对研究区... 详细信息

基于深度学习和无人机获取的高分辨率影像是快速提取林地等地表覆被空间信息的一种新方法。为给后续的林地覆被空间信息自动提取提供技术参考,以南宁市上林县某村的甘蔗(Saccharum officinarum)种植区为研究对象,采用unet模型对研究区无人机正射影像进行甘蔗种植区的空间位置信息提取。针对目标区域样本数据缺少的问题,首先采用数据增广方式对训练数据集进行增广,然后采用迁移学习的方法在开源数据集预训练u-net模型,最后利用预训练unet模型对研究区的影像数据进行训练和测试。结果表明,该方法从正射影像中提取甘蔗种植区空间位置信息的准确率、精确率和召回率分别为98.34%、93.10%和89.21%,不受甘蔗种植区分布密集程度的影响。

关键词：无人机影像深度学习 u-net模型空间位置信息提取

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net模型的地震波初至到时拾取分析

引用

微型电脑应用 2024年第7期40卷 1-4页

作者：司文学李超甘肃中冶岩土工程有限公司甘肃酒泉735000 兰州大学地质科学与矿产资源学院甘肃兰州730000

为了提高地震波的拾取精度,在分析u-net工作机制的基础上设计一种优化后的u-net模型。该模型由桥接、编码、解码共同构成。用卷积神经网络进行分类,利用池化操作提取低层次特征参数,由于选择池化操作模式时会引起拾取精度的明显降低,故... 详细信息

为了提高地震波的拾取精度,在分析u-net工作机制的基础上设计一种优化后的u-net模型。该模型由桥接、编码、解码共同构成。用卷积神经网络进行分类,利用池化操作提取低层次特征参数,由于选择池化操作模式时会引起拾取精度的明显降低,故选步长为4的卷积方式。根据评价指标判断STA/LTA、u-net与改进u-net 3种方法的处理性能。研究结果表明:利用Tensorflow与Keras对网络实施训练,改进u-net模型达到了99%的精度。epcho由10提高至50,P波参数识别准确率从72%提高至94%,S波识别准确率从63%提高至94%。最初损失为10.25,经过训练后100个epcho减小至0.15。改进u-net相对传统地震信号处理方法达到了更优的查准率、查全率与F_(1)分值指标,采用卷积神经网络进行处理时则可以利用卷积操作提取地震波形特征产数,具备更强的适应性。

关键词：地震波 u-net模型神经网络拾取精度

来源：评论

学校读者我要写书评

暂无评论

改进u-net模型在心包积液超声心动图图像分割中的应用

引用

临床超声医学杂志 2024年第12期26卷 1051-1054页

作者：龚薇李钟玉苏振国宁传永铁晓烂孙鹏宁夏医科大学医学信息与工程学院银川市750004 宁夏医科大学第一临床医学院宁夏回族自治区医学科学研究所

心包积液是由多种因素引起的心包腔内液体积聚,超声心动图是其常用的诊断工具,但由于图像噪声、回声变化和分割区域形状不规则等问题,常导致定位困难。本文提出了一种改进u-net模型,并探讨其自动分割心包积液超声心动图图像的应用价值... 详细信息

心包积液是由多种因素引起的心包腔内液体积聚,超声心动图是其常用的诊断工具,但由于图像噪声、回声变化和分割区域形状不规则等问题,常导致定位困难。本文提出了一种改进u-net模型,并探讨其自动分割心包积液超声心动图图像的应用价值。本文纳入公开数据集Pericardial-Effusion-experimental-data中2541组(共5082张图片)数据,以7∶3的比例分为训练集(1779组,3558张图片)和公开测试集(762组,1524张图片),另纳入山东第二医科大学附属医院的心包积液患者超声心动图图像38张作为外部测试集。基于训练集对u-net模型进行改进,具体方法包括引入多尺度特征提取模块和Dropout2d机制,以增强模型的泛化能力和分割精度;在下采样过程中应用LeakyReLu激活函数,提高模型的非线性表达能力;在卷积层中采用反射填充,优化积液区边界的轮廓。比较改进前后u-net模型在公开测试集和外部测试集上的准确率、召回率、精确度和F1分数,结果显示,改进后u-net模型在公开测试集和外部测试集中的准确率分别为96.97%和98.00%,召回率分别为91.47%和80.03%,精确度分别为69.84%和52.20%,F1分数分别为77.34%和60.86%。上述结果表明,改进u-net模型具有较好的泛化能力,为心包积液超声心动图图像的自动分割提供了一种有效的解决方案,能够在提高诊断效率的同时,确保较高的准确率。

关键词：超声心动描记术心包积液医学图像分割 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net模型的航空影像建筑物变化检测

引用

测绘与空间地理信息 2023年第9期46卷 60-63,67页

作者：李强张杰刘东顺李磊济南市勘察测绘研究院山东济南250101 山东瑞屹地理信息技术有限公司山东济南250101

针对航空影像建筑物变化检测中存在的小目标变化类易被漏检和摄影倾角导致场景分割较为粗糙等问题,本文提出了一种基于改进u-net模型的航空影像建筑物变化检测方法。首先,将注意力机制引入u-net网络,从而放大变化类的像素特征来提高提... 详细信息

针对航空影像建筑物变化检测中存在的小目标变化类易被漏检和摄影倾角导致场景分割较为粗糙等问题,本文提出了一种基于改进u-net模型的航空影像建筑物变化检测方法。首先,将注意力机制引入u-net网络,从而放大变化类的像素特征来提高提取结果精度;其次,使用CRFs全连接条件随机场,对初步变化检测结果进行后处理,消除摄影倾角产生的阴影问题,优化建筑物边界轮廓。在WHu建筑物变化检测数据集上的实验结果表明,在引入注意力机制和CRFs全连接条件随机场后,建筑物变化检测结果的准确率、召回率、F1值和总体精度4项指标有了明显提升,分别达到0.884、0.870、0.950、0.859,均优于传统u-net模型。

关键词：建筑物变化检测 u-net模型注意力机制全连接条件随机场

来源：评论

学校读者我要写书评

暂无评论

基于CLAHE与u-net模型的无人机桥梁裂缝检测方法

引用

西部交通科技 2024年第9期 1-3,8页

作者：林土淦韦俊刘学军何捷广西交通职业技术学院广西南宁530023

文章提出一种基于无人机与深度学习结合的桥梁表面裂缝分割方法。该方法采用无人机遍历桥梁各区域采集图像,通过网络传输到桥梁裂缝检测系统进行图像分析;采用u-net深度学习网络对桥梁图像进行训练与特征提取,以提高系统准确率;针对图... 详细信息

文章提出一种基于无人机与深度学习结合的桥梁表面裂缝分割方法。该方法采用无人机遍历桥梁各区域采集图像,通过网络传输到桥梁裂缝检测系统进行图像分析;采用u-net深度学习网络对桥梁图像进行训练与特征提取,以提高系统准确率;针对图像存在光照不均匀、低对比度问题,采用对比度受限自适应直方图均衡化对数据进行处理以提高图像的边缘对比度,获得更细腻的裂缝特征。通过验证实验表明,该方法相比于原始的u-net和YOLOv8-seg网络,其mAP分别提高了1.63%、2.01%。

关键词：桥梁裂缝检测图像分割 CLAHE u-net模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：