大范围地景图像语义分割与处理方法研究

摘要：

针对大范围地景图像的三维场景建模及仿真等应用,需要对图像中所包含的地物进行快速识别与处理.然而,传统的地景影像地物分类和处理方法存在准确性低、速度慢等问题,且原始图像中存在部分移动地物、障碍物等会对后续建模造成干扰,难以满足要求.因此,本文提出一种大范围地景图像语义分割及分割后模型的处理方法,通过自制倾斜摄影数据集对神经网络进行训练,获得可以对无人机低空飞行所拍摄的倾斜摄影图像进行语义分割的深度学习网络,使用训练完成的神经网络对地景图像进行语义分割处理,可以准确并高效地识别建筑、植被、道路、水域、车辆、背景6类地物,以应用于后续的三维模型重建;同时,根据语义分割的识别结果,结合图像融合等手段,对建模仿真中需要进行替换或妨碍观测的地物进行移除,并对移除后的地面纹理进行补充,实现冗余地物模型的移除处理.实验结果表明,该方法可以快速、准确地识别地景图像中所包含的地物,并按照分类结果对冗余地物进行移除处理,为后续的模型重建及时提供准确的数据.

关键词：地景图像;语义分割;模型处理;点云

所属期刊栏目：26

分类号：TP391.9(计算技术、计算机技术)

资助基金：装备预研领域重点基金No.61400010203

在线出版日期：2021-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：13-23