路威[1]2002年在《全色遥感影像面状地物半自动提取方法的研究》文中认为近年来,随着空间技术和信息技术的飞速发展,高分辨率遥感卫星已可以为人类提供高清晰度、大容量的遥感卫星影像,从遥感影像中获取目标信息已成为空间信息更新的重要手段,并且已广泛的应用于国民经济生产和军事目标侦察领域。本文从影像理解和目前生产作业的实际出发,以面状目标的半自动提取与精确定位为研究内容,重点解决了中小比例尺全色遥感影像中一些典型面状地物(如大面积的居民地、水域、植被等)高精度地半自动目标分割与边界精确定位的问题,其关键点是目标模式提取、特征匹配、边界精化等一系列相关技术。 本文主要工作有: 1.分析了遥感影像理解的现状、难题和研究方向。 2.针对要提取的兴趣目标的特点,分析了面状目标提取的一些基本技术。 3.结合遥感影像中面状目标的纹理特征,深入分析了前人提出的叁种纹理分割模型,并结合居民地的特点提出了基于几何结构信息的纹理分割模型。 4.针对兴趣目标(居民地、水域、植被)分别进行了提取实验,实现了高成功率、精确的半自动取,并取得了有价值的实验结果。 5.分析了基于特征的知识的表达与应用,总结了近年来影像理解算法发展的具体实例和影像理解算法发展的方向。
金飞[2]2009年在《基于纹理特征的遥感影像面状地物半自动提取技术研究》文中研究指明随着传感器技术、航空和航天平台技术、数据通信技术的发展,现代遥感技术已经进入一个能够动态、快速、准确、多手段提供多种对地观测数据的新阶段,具备了多层次、多角度、全方位和全天候的空间信息获取手段。从遥感影像中获取目标信息已成为空间信息更新的重要途径,广泛应用于国民经济生产和军事情报获取。本文从影像理解和测绘领域数字化生产作业出发,重点研究了基于纹理的遥感影像典型面状地物半自动提取的算法,其关键点是地物纹理特征的提取、特征匹配以及区域提取等一系列相关技术。本文主要工作有:1.介绍了遥感影像理解的概念、意义和难点,分析了遥感影像面状地物提取的现状和研究方向,结合面状地物的纹理特征,论述了基于纹理进行面状地物提取的相关技术。2.根据不同地物的纹理特征,有针对性的实验了常用的面状地物提取算法,并依据实验结果对算法进行了分析和改进。3.详细分析了基于Log-polar变换和傅立叶变换的居民地提取方法并对其进行了改进;提出了将Radon变换和树型小波变换结合处理的算法,将其用于不同比例尺全色遥感影像的居民地提取,取得了较理想的实验结果。4.分析和研究了叁种基于多尺度框架的仿射不变特征提取技术,针对不同典型面状地物分别进行了实验,实现了较精确的半自动提取,具有较强的实用性。
过林[3]2011年在《基于纹理特征的典型遥感影像面状地物提取方法研究》文中研究表明随着传感器技术、航空和航天平台技术、数据通信技术的发展,现代遥感技术已经进入一个能够动态、快速、准确、多手段提供多种对地观测数据的新阶段,具备了多层次、多角度、全方位和全天候的空间信息获取手段。从遥感影像中获取目标信息已成为空间信息更新的重要途径,广泛应用于国民经济生产和军事情报获取领域。本文从影像理解和测绘领域数字化生产作业实际出发,重点研究了基于纹理的中小比例尺遥感影像典型面状地物半自动提取的算法,关键是对面状地物纹理特征的提取、特征匹配以及区域提取等一系列相关技术。本文的主要工作有:1.介绍了遥感影像解译的概念、意义和难点,分析了遥感影像面状地物提取的现状和研究方向,结合面状地物的纹理特征,论述了基于纹理进行面状地物提取的相关技术。2.介绍了面状地物纹理分割的基本方法,纹理分割的原理和主要过程,介绍并了两种常用的纹理分割方法:区域生长法和K-均值聚类法。3.介绍了面状地物半自动提取的流程,采用常用提取方法对典型面状地物进行了提取实验,根据实验结果对经典方法进行了分析。4.详细分析并实现了典型面状地物植被和居民地的半自动提取方法。对植被的提取使用Radon变换结合树型小波变换以及灰度-梯度共生矩阵结合Laws纹理的方法;对居民地的提取选用对数极坐标变换结合傅立叶变换以及灰度共生矩阵结合Gabor小波变换的方法,结合实验结果对上述方法进行了一定的综合和改进,取得了较理想的效果。
周君[4]2009年在《遥感影像面状地物半自动提取方法》文中研究指明近年来,随着空间技术和信息技术的飞速发展,高分辨率遥感卫星已可以为人类提供高清晰、大容量的遥感卫星影像。根据高分辨率的遥感图像细节信息丰富、地物几何结构明显的特点,从遥感影像中获取目标信息已成为空间信息更新的重要手段,并且已广泛的应用于国民经济生产和军事目标侦察等领域。本文从目标地物提取和目前生产作业的实际出发,以不规则目标地物的半自动提取与精确定位为研究内容,重点解决了遥感影像中一些典型面状地物(如大面积的建筑物、水域、植被等)高精度地半自动目标分割与边界精确定位的问题,其关键点是机器学习、图像分割、目标模式提取等一系列相关技术。本文提出了一种新的半自动提取面状地物的方法,它能够用随意给定的前景和背景曲线准确地提取出感兴趣的区域。算法首先提取前景和背景曲线上的像素作为分类样本,并使用SVM得到最初的分类效果。并在此基础上,综合利用分类对象的光谱特征和形状特征信息,进行区域合并。最后,采用一种自动停止区域合并的准则确定最终合并结果。支持向量机(Support Vector Machine,SVM)作为一种最新的也是最有效的统计学习方法,近年来成为模式识别与机器学习领域一个新的研究热点。遥感图像分析与处理是SVM应用一个热门的研究方向[1]。支持向量机基于研究小样本情况下机器学习规律,以结构风险最小化为准则,对实际应用中有限训练样本的问题,表现出很多优于已有学习方法的性能。在遥感图像的分类研究中,应用SVM分类的优点是数据无需降维,并且在算法的分类精度和速度方面都有较好的性能。本文研究了支持向量机在高光谱遥感图像的局部分类中的应用。实验表明,在一般情况下用SVM实现的初步分类效果已经能够基本将前景和背景区域区分出来,精度高,分类速度快。图像分割形成的区域是图像对象的形状表述,分割的好坏将直接影响到对图像分析、识别和解译等的精度。本文提出了一种基于区域合并的分割方法,此方法综合利用遥感图像的光谱特征和形状特征信息来描述区域对象的特性,并在此基础上给出两个相邻区域的合并代价,通过对合并代价进行限制。在由SVM进行初步图像处理后,对图像中的区域进行进一步合并,提高图像提取的精度。为提高遥感图像分割的效率,使用分块策略对区域邻接图进行划分。实验证明,这种方法精度较高,同时效率有了较大的提高。上海交通大学遥感科学实验室依托上海市科委重点项目“基于影像内容的自动搜索和特定目标的变化检测与更新技术研究”(NO. 055115018),设计实现了面向对象的遥感图像处理平台ELU。本文结合该项目而进行,对不规则目标地物提取、图像分割、机器学习等问题进行研究,并完成了ELU系统中对应模块的设计和实现。
马智刚[5]2009年在《纹理支持的遥感影像面状地物半自动提取技术研究》文中研究说明随着传感器技术、航空和航天平台技术、数据通信技术的发展,现代遥感技术已经进入一个能够动态、快速、准确、多手段提供多种对地观测数据的新阶段,具备了多层次、多角度、全方位和全天候的空间信息获取手段。从遥感影像中获取目标信息已成为空间信息更新的重要途径,广泛应用于国民经济生产和军事情报获取。本文从影像解译和测绘领域数字化生产作业出发,重点研究了纹理支持的遥感影像典型面状地物半自动提取算法,其关键点是地物纹理特征的提取、特征匹配以及区域提取等一系列相关技术。本文主要工作有:1.介绍了遥感影像解译的概念、意义和难点,分析了遥感影像面状地物提取的现状和研究方向,结合面状地物的纹理特征,论述了基于纹理进行面状地物提取的相关技术。2.详细分析了基于Radon变换和几何中心矩的植被提取方法并对其进行了改进;提出了将Log-polar变换和Zernike矩结合处理的算法,将其用于不同比例尺全色遥感影像的居民地提取,取得了较理想的实验结果。3.利用尺度共生矩阵和Laws纹理能量在不同频段上对植被纹理信息进行深度挖掘,将不同尺度间的动态信息和同一尺度上的静态信息相结合,充分表达了植被的纹理信息。4.分析和研究了基于Gabor小波变换的纹理特征提取技术,针对居民地的特点对其进行改进,实现了较精确的居民地半自动提取,具有较强的实用性。
赵泳[6]2006年在《基于地图矢量数据面状地物变化检测技术研究》文中提出为了满足地理空间信息现势性的要求,如何实现对地理空间数据快速自动的变化检测便成为亟待解决的问题。其中对面状地物的变化检测是一项重要内容。本文将围绕基于地图矢量数据的面状地物变化检测技术展开研究,主要研究内容如下: 1.分析变化检测和变化检测中用到的特征提取技术的研究现状、难题和研究方向。提出基于地图矢量数据面状地物变化检测的流程。 2.研究图像分割方法与模型。提出利用遗传算法自适应确定分割阈值并利用数学形态学对分割后的图像进行处理的图像分割方法。图像分割模型使用的是基于最大熵和最大类间方差的免疫遗传算法模型。 3.研究面状地物的半自动提取方法。提出了基于高斯模糊的居民地纹理提取、基于灰度的水域自适应提取和基于灰度均值的植被自适应提取的方法。并将实验结果与以前的提取方法进行了比较分析。 4.研究栅格数据矢量化和矢量数据栅格化方法。提出基于遗传算法的矢量化方法,并采用Douglas—Peucker矢量数据压缩算法对数据进行压缩;提出一种矢量数据栅格化方法,即将边界标志法与扫描线种子填充相结合的边界标志扫描线的栅格化方法。 5.研究基于地图矢量数据面状地物变化统计方法。提出基于面积的变化统计方法,分别利用矢量数据的多边形交集和栅格数据的变化像素来统计地图矢量数据的变化。实验证明这两种统计方法是有效的。 6.建立基于地图矢量数据面状地物变化检测的评价模型,提出利用模糊综合评判的原理来评价变化检测的结果。
任娟[7]2016年在《基于优化均值漂移算法的居民地及面状地物边线提取方法》文中指出随着对地观测技术的快速发展,无人机航拍和卫星对地观测为我们带来了海量的遥感数据和信息。如何从这些遥感影像中,提取出我们感兴趣的地物目标,一直是学者们研究的重点。在各类地物中,居民地因其重要性和多变性,成为了目标提取的热点。实现这一信息的准确提取,对于城市建设规划、土地利用调查、灾害评估和国防军事等领域具有重要意义。现有的居民地提取方法主要有四种:基于决策树模型的方法、基于知识发现模型的方法、基于统计模型的方法和面向对象的方法。这些方法使用起来都有其局限性:基于决策树模型的方法多依靠各波段亮度值对地物类型进行区分,遇到复杂地貌便会出现“错分”、“漏分”的现象;基于知识发现模型的方法对测绘人员先验知识要求较高,且研究范围多为特定区域,因此不具有通用性;基于统计模型的方法在处理影像中“同物异谱”或“异物同谱”现象时,无法准确进行区分;面向对象的方法对于高分辨率遥感影像中的居民地,因其差异较大且结构复杂,处理效果并不理想。均值漂移算法,是一种基于核密度梯度而非参数密度函数进行估计的算法,具有原理简单、运行效率高、抗噪性强等特点,目前主要用于图像分割。本文尝试将其引入遥感影像目标提取,采用“先分割、后分类、再提取”的方法实现了对特定信息(居民地和面状地物边线)的提取,主要研究内容和成果总结如下:(1)引入纹理参数优化了均值漂移算法,并对算法中涉及到的叁个参数(空间带宽参数hs、色度带宽参数hr和纹理带宽参数ht)取不同值进行实验,对比分析实验结果发现,参数的取值给影像分割带来直接影响,对居民地提取具有重要意义。(2)提出了一种基于优化均值漂移算法提取遥感影像中居民地的方法,将其分别与统计分类模型中的马氏距离、最大似然估计和神经网络相结合,分别采用航空影像和卫星影像进行实验研究,再将实验结果与现有方法所得结果进行对比分析,发现新方法具有精度更高、速度更快、适用性更强的优点。(3)提出了基于优化均值漂移算法提取面状地物边线的方法,并对直接提取法做了两方面改进:与制图综合原理相结合,使其针对性更强;与地物影像特征中的形状特征和上下文特征相结合,使其准确度更高。
梁建[8]2013年在《面向地物提取的遥感影像分割技术研究》文中提出现代遥感技术已经进入了能够动态、快速、准确、多手段提供多种对地观测数据的新阶段,从遥感影像中获取的目标信息已广泛应用于国民经济生产和军事情报获取领域。遥感影像上线状、面状地物的提取为其提供了坚实的基础。影像分割技术根据各个区域特性把影像分成多个区域,通过对这些区域进行形状特征判断,可以得到较好的线状和面状地物提取结果。针对线状和面状地物提取的重要意义,本文在实现遥感影像封闭边界提取的基础上,重点研究了面向地物提取的遥感影像分割技术。本文的主要工作和创新点有:(1)研究总结了当前遥感影像分割技术的现状和发展趋势,分析了线状、面状地物提取的重要意义和研究方法;(2)通过对边缘检测技术、边缘连接方法的分析研究,提出了一种遥感影像封闭边界提取方法,为面向地物提取的影像分割技术研究奠定了基础;(3)简述了影像金字塔构建技术,提出了一种基于影像金字塔的多尺度分割技术,通过对多尺度分割结果的合并,优化了分割结果;(4)简介了遥感影像上几种典型地物的纹理特征,分析了几种纹理统计方法和纹理相似性度量方法,通过对多尺度分割结果进行纹理一致性区域合并进一步优化分割结果。(5)通过对遥感影像上线状地物形状特征的研究,对分割结果进行初步应用,实现了影像上线状、面状地物提取。
参考文献:
[1]. 全色遥感影像面状地物半自动提取方法的研究[D]. 路威. 中国人民解放军信息工程大学. 2002
[2]. 基于纹理特征的遥感影像面状地物半自动提取技术研究[D]. 金飞. 解放军信息工程大学. 2009
[3]. 基于纹理特征的典型遥感影像面状地物提取方法研究[D]. 过林. 解放军信息工程大学. 2011
[4]. 遥感影像面状地物半自动提取方法[D]. 周君. 上海交通大学. 2009
[5]. 纹理支持的遥感影像面状地物半自动提取技术研究[D]. 马智刚. 解放军信息工程大学. 2009
[6]. 基于地图矢量数据面状地物变化检测技术研究[D]. 赵泳. 解放军信息工程大学. 2006
[7]. 基于优化均值漂移算法的居民地及面状地物边线提取方法[D]. 任娟. 电子科技大学. 2016
[8]. 面向地物提取的遥感影像分割技术研究[D]. 梁建. 解放军信息工程大学. 2013
标签:自然地理学和测绘学论文; 工业通用技术及设备论文; 遥感影像论文; 特征提取论文; 图像分割论文; 矢量数据论文; 空间数据论文; 空间分析论文; 分类数据论文;