摘要：随着社会的不断发展进步，城市作为一个地区的文化，经济，政治中心，同样也获得了快速的扩张。随着人口的大量输入，城市中出现了大量违章建筑。违章建筑指的是不存在于城市规划中，未取得拟建工程许可的建筑。违章建筑不仅给城市规划带来许多问题，同时因为违章建筑的建造过程并没有安全检查，存在着不小的安全隐患，给人们的生命财产安全造成威胁。过去违章建筑的检测大都是群众向城管部门举报或城管进行实地巡查，人工排查不仅耗费大量时间，准确度和效率也不高。

随着无人机技术的发展，已经可以获取高分辨率，高清晰度的航拍影像，这也给违章建筑的识别技术提供了新的思路：即通过在无人机影像上进行建筑物的提取，从而实现对违章建筑的识别。这项技术理论上可以实现，但在技术实现上还存在许多问题，例如如何在无人机影像中进行建筑物轮廓的精确提取，能够成熟应用的技术还有待进一步的研究。文中针对上述问题，围绕基于航空影像的建筑物提取和违章建筑识别方面进行了探讨。本文具体研究内容包括：（1）研究了无人机影像拍摄原理以及深度学习理论；（2）研究了现有图像边缘提取技术，以及变化检测技术，并将其应用到基于无人机影像的建筑物轮廓提取和通过变化检测实现对违章建筑的识别；（3）研究了卷积神经网络，并将其扩展到无人机影像建筑物检测，建筑物提取，建筑物的变化检测方面。

通过上述研究，本文基本实现了基于无人机影像的违章建筑物检测，不仅可以用来降低城市规划部门工作量以及人工巡查工作量，同时也为无人机图像处理及违章建筑检测技术提供了理论基础和技术支撑。

关键词：违章建筑；图像处理；无人机；深度学习

目录

摘要

Abstract

第一章 绪  论-1

1.1 研究背景及意义-1

1.2 研究领域现状-2

1.2.1 遥感影像中建筑物提取研究现状-2

1.2.2 遥感影像中建筑物变化检测-4

1.2.3 城市违章建筑检测现状-5

1.3 存在问题分析-5

1.4 本文的组织结构-6

第二章 无人机与深度学习-7

2.1 无人机介绍-7

2.2 无人机航空摄影系统-7

2.3 深度学习与神经网络-8

2.3.1 深度学习理论基础-8

2.3.2 卷积神经网络-9

2.4 深度学习框架-13

2.4.1 TensorFlow框架-13

2.4.2 Caffe框架-14

2.4.3 Theano框架-14

2.4.4 PyTorch框架-15

2.5 本章小结-15

第三章 建筑物提取算法研究-16

3.1 建筑物提取算法研究-16

3.1.1 建筑物提取算法概述-16

3.1.2 图像边缘概述-16

3.2 Canny算子边缘检测-18

3.2.1 Canny算子原理-18

3.2.2 Canny算子实现-19

3.3 Sobel算子边缘检测-21

3.3.1 Sobel算子原理-21

3.3.2 Sobel算子实现-22

3.4 两种检测算子比较-23

3.5 本章小结-23

第四章 基于卷积神经网络的建筑物提取-24

4.1 卷积神经网络介绍-24

4.1.1 VGG-16神经网络-24

4.1.2 U-Net神经网络-25

4. 2 基于神经网络的建筑物识别-26

4.3 基于神经网络的建筑物提取-28

4.4 基于深度学习的建筑物变化检测-30

4.5 本章小结-31

第五章 违章建筑检测技术-32

5.1 建筑物变化检测技术-32

5.2 基于FCM算法的违章建筑识别-33

5.2.1 FCM算法简介-33

5.2.2 FCM算法实现-33

5.3 基于IRMAD算法的违章建筑识别-35

5.3.1 IRMAD算法简介-35

5.3.2 IRMAD算法实现-36

5.4 基于SFA算法的违章建筑识别-37

5.4.1 SFA算法简介-37

5.4.2 SFA算法实现-38

5.5 本章小结-39

第六章 总结与展望-40

参考文献-41

致  谢-43