基于深度學習CaffeNet模型的綜合交通設施場景分類與識別研究

肖和平， 趙宇恒， 米素娟

(1.湖南省交通運輸廳科技信息中心， 湖南 長沙 410015；2.中國地質大學(武漢)地理與信息工程學院， 湖北 武漢 430074； 3.中國交通通信信息中心， 北京 100011)

0 引言

當前，遙感信息技術在交通網絡建設與監管中的應用日益廣泛，如何從海量遙感影像數據中對橋梁、港口、機場、車站等重要交通設施場景進行計算機自動圖像特征提取，并將提取的設施場景圖像特征輸入分類算法模型，實現目標設施的準確分類與識別、及時獲取各類交通設施狀況，是智能化交通建設監管的難點問題，也是實現交通網絡數字化、智能化，建立交通網絡模型的重要技術之一，對綜合交通網絡布局、智慧交通建設等方面都具有重要的理論意義和實踐應用價值[1-3]。近年來，國內外學者基于圖像紋理、形狀、顏色等低層特征和知識、語義等高層特征的提取，以及特征學習的方法，針對橋梁、機場、港口等某種交通目標的識別與檢測進行了一定研究，如Huertas等[4]對航拍圖像的紋理特征進行提取，實現機場綜合體跑道的自動檢測；毛玲等[5]提出了一種復合線索視覺注意模型，利用高分辨率光學遙感圖像的港口多尺度低層特征和知識線索高層特征，實現了港口檢測；Lu等[6]基于高空間分辨率遙感HSR(High Spatial Resolution)影像提取機場目標。韓曉青等[7]提取地物邊緣輪廓，并結合SURF(Speed Up Robust Features)檢測到圖像中的機場目標；常永雷等[8]分析高分辨率遙感SAR影像的統計特征和橋梁特征，提出了一種新的橋梁自動識別方法；……