基于图像分割的网络覆盖评估方法

摘要：

基于深度学习理论,采用TensorFlow和Keras框架,在下载的原始卫星地图上使用LabelMe软件对目标物体山和水域进行标注,将标注好的原始卫星地图切分成小尺寸图片并进行图像增强后,使用U-Net算法构建神经网络模型进行图像分割来提取目标物体的轮廓.在得到目标物体的轮廓后,经过经纬度计算转换获取目标物体的闭合电子边框,与无线网络中的MDT栅格化数据及地(市)、面场景、点场景电子边框相结合应用于网络评估.该方法可剔除无需网络覆盖区域的山体水域部分对指标的影响,有效提升各类场景网络覆盖评估的准确性,为网络规划建设与优化提供数据支撑.

关键词：图像分割、图像识别、U-Net、电子边框、网络评估

分类号：TN929.5

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：41-46