基于全卷积网络的农田遥感卫星图像语义分割开题报告

全文总字数：3547字

1. 研究目的与意义、国内外研究现状（文献综述）

研究意义

在计算机视觉领域，语义分割是将图像中属于某一个类别的像素进行区分、涂色，在图像中每一个像素都有语义可以解释的类别，比如，区分图像中所有属于房屋的像素，并上色。

2. 研究的基本内容和问题

研究目标

①实现基于fcn的农田图像的语义分割

②结合相关技术，优化传统fcn分割效果，并进行分析比较

3. 研究的方法与方案

研究方法

首先通过谷歌卫星地图获取一定数量具有农田的遥感卫星图片数据，对图片进行标注等处理，利用全卷积网络（fcn）模型在处理过的数据集上训练，通过融合不同尺度特征生成不同网络模型，然后使用测试图片分别进行测试，对比分析不同网络模型的分割效果。

2. fcn通过训练后能否达到理论上的效果，若不能，应该进行合适的参数调整以达到以后实验效果

4. 研究创新点

特色或创新之处

1. 利用遥感卫星图的容易获得性，通过全卷积网络分割农田，可以更加方便、直观了解某一个地区农用耕地的使用情况，也可以拓展到了解地区绿化程度等应用，对于地区农业、环境等数字智能化管理会起到很大帮助。

2. 当前主流的深度学习图像语义分割方法基本是基于fcn所实现，所以对fcn的学习与研究是学习更加先进的深度学习分割方法的必经之路。

5. 研究计划与进展

2019年1月9日-31日 神经网络知识入门、tensflow环境的搭建、python语言的学习及初步掌握

2019年2月9日-24日 全卷积网络（fcn）结构学习，结构代码学习

2019年2月25日-3月25日 农田遥感卫星图片数据获取并进行标注等处理、开源数据集获取，整合自定义和开源数据集