多源遥感图像水体检测方法研究

发布时间：2020-05-05 01:49

【摘要】：高分辨率遥感图像中的水体信息在各个领域发挥着越来越重要的作用,但是现有的一些检测水体信息的方法往往不能满足实际需求,本文提出的对高分辨率可见光图像和高分辨率SAR图像中的水体检测技术具有很好的效果和实用性。具体的研究主要包括以下两个部分:(1)针对可见光图像中水体信息的检测,本文提出了在SLIC分割的超像素块中提取多种特征,再用BP神经网络进行识别的算法,整个算法分为两个部分,样本数据的训练和待测试数据的水体检测,首先把可见光图像进行降噪处理,用SLIC算法对可见光图像进行分割,分割完成后就会有超像素块,把这些数据分成样本数据和待测试数据,然后利用半自动标记程序把样本数据中的水体和非水体标注出来,在标记的像素块中提取它们的特征,放入BP神经网络中得到训练模型,最后是待测试数据的水体检测,提取待测试数据中像素块的特征,把这些数据和训练样本数据得出的训练模型加入BP神经网络中进行水体区域的预测,得到待测试数据中的水体区域,本文提出的算法水体检测准确率比较高。(2)针对SAR图像中水体区域的检测,本文提出了一种圆形滑动窗口模板遍历算法,首先要对SAR图像中相干斑噪声进行抑制,然后用圆形滑动窗口模板遍历整张SAR图像,最后根据重叠的滑动窗口区域统计出候选像素点的连通区域,根据候选水体连通区域的面积,把误检的区域剔除、减少漏检区域,实验结果表明此方法不但能够很好的将水体信息检测出来,而且使得检测出来的水体信息与陆地信息的边界部分比较圆滑,不会出现比较明显的矩形棱角,更贴近水体的特性。通过分析实验结果,验证了本文提出的算法可以提高对可见光图像和SAR图像中水体检测的准确率。为了验证本文提出算法的有效性,做了很多实验。实验结果说明了本文提出的在SLIC分割的超像素块中提取多种特征,再用BP神经网络进行识别的算法、圆形滑动窗口模板遍历算法提高了对水体检测的准确率,可见光图像中水体检测的准确率达到了89.55%,SAR图像中水体检测的准确率达到了91.25%,比较理想的检测出了可见光图像和SAR图像中的水体区域。
【图文】：

本章要对可见光图像的水体检测技术以及SAR图像的水体检测技术进行介绍，因为可见光图像具有复杂多样的地物，其色彩比较鲜明，所以处理可见光图像可以获取很多信息，本文提出在SLIC分割的超像素块中提取多种特征，再用BP神经网络进行识别的算法来检测可见光图像中的水体区域；SAR图像有全天时、全天候的特点，在各个领域的应用越来越广泛，但是现有的一些SAR图像的水体检测技术，对水体的检测准确率不够高，或者只能在一些比较普通、区域划分比较明显的图像中效果才会显著，对场景复杂的SAR图像进行水体检测，准确率就会大大降低，所以本文在现有的SAR图像水体检测技术，即方形滑动窗口模板遍历算法的基础上做了优化，提出了圆形滑动窗口模板遍历算法。2.1 可见光图像水体检测相关技术介绍2.1.1 可见光图像预处理本文所使用的可见光图像是从 Google Earth 上下载的图像，如图 2.1 所示为带有水体的可见光图像：

用来标识图像中含有的像素块个数K，假设在用SLIC算法进行分割的时候，得出来的超像素块大小相似，所以在一个具有N个像素点的可见光图像中，每一个超像素块中的像素点个数就是 N K，还要确定每一个超像素块的中心，只有确定了超像素块的中心，才能以它的中心为圆心，以两个超像素块的距离为半径，根据上述超像素个数和超像素的大小，每隔 S NK距离就会出现一个超像素中心，以两个S的距离为半径搜索属于这个超像素的像素点，像素与超像素块中心的距离SD 定义如下： 222labkikikid l l a a b b（2-2） 22xykikid x x y y（2-3）SlabxydsmD d （2-4）其中kkkl 、 a、b和iiil 、 a、b分别为每个超像素块的中心点和待处理像素的lab颜色空间三通道数值，kkx 、 y和iix 、 y分别为每一个超像素块中心点和待处理像素的坐标，，SD为lab距离与被S归一化的xy平面距离之和，可以通过改变变量m 的数值来改变这个图像中超像素块的紧密程度，m 值越大就越紧凑，如图2.2是用SLIC分割出来的可见光图像。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751

【相似文献】

相关期刊论文 前10条

1 李钢;王雷;张仁斌;;基于特征能量加权的红外与可见光图像融合[J];光电工程;2010年03期

2 郭全民;董亮;李代娣;;红外与可见光图像融合的汽车抗晕光系统[J];红外与激光工程;2017年08期

3 刘坤;郭雷;李晖晖;陈敬松;;基于区域分割的红外与可见光图像融合算法的研究(英文)[J];Chinese Journal of Aeronautics;2009年01期

4 叶传奇;王宝树;苗启广;;一种基于区域特性的红外与可见光图像融合算法[J];光子学报;2009年06期

5 胡谋法;李超;王书宏;;空时域联合差分检测可见光图像的运动小目标[J];计算机工程与应用;2006年21期

6 江静;张雪松;兰西柱;;红外与可见光图像互信息法自动配准算法研究[J];华北科技学院学报;2006年04期

7 丁文杉;毕笃彦;何林远;凡遵林;吴冬鹏;;基于剪切波变换和邻域结构特征的红外与可见光图像融合[J];光学学报;2017年10期

8 舒久明;;一种自适应的红外与可见光图像融合算法[J];电子科技;2015年05期

9 赵飞翔;陶忠祥;;基于小波包变换的红外与可见光图像融合[J];光学与光电技术;2013年06期

10 杨阳;胡玉兰;;主成分分析的红外与可见光图像特征融合[J];沈阳理工大学学报;2012年04期

相关会议论文 前10条

1 余萍;张晓芬;;基于变分模型的红外/可见光图像配准方法研究[A];2009全国虚拟仪器大会论文集（二）[C];2009年

2 赵云丰;付冬梅;尹怡欣;王嘉;;基于人工免疫的红外与可见光图像配准方法[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

3 高阳;苗艳龙;李寒;张漫;;基于热红外与可见光图像的马铃薯水分胁迫监测[A];2018中国作物学会学术年会论文摘要集[C];2018年

4 张晓杰;;基于循环平移的复Contourlet域红外与可见光图像融合[A];上海市红外与遥感学会第十九届学术年会论文集[C];2014年

5 胡谋法;李超;王书宏;韩建涛;陈曾平;;可见光图像背景灰度特性:双高斯混合分布模型[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

6 蒋宏;任章;;红外与可见光图像配准和融合中的关键技术[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

7 程相正;邵铭;张乐;胡启立;;几种可见光图像与红外图像融合方法比较[A];2015光电防御技术学术研讨会摘要集[C];2015年

8 胡谋法;王书宏;李超;韩建涛;陈曾平;;空时域联合去相关检测可见光背景下的运动小目标[A];光电技术与系统文选——中国光学学会光电技术专业委员会成立二十周年暨第十一届全国光电技术与系统学术会议论文集[C];2005年

9 杨振鹏;冯勤;王行仁;丁莹;;虚拟环境红外物理模型的研究与实现[A];二○○一年中国系统仿真学会学术年会论文集[C];2001年

10 张勇;金伟其;;基于结构相似度与感兴趣区域的图像融合评价方法[A];中国光学学会2010年光学大会论文集[C];2010年

相关重要报纸文章 前3条

1 陈磊;风云二号C星第一幅可见光图像成功获取[N];中国气象报;2004年

2 记者 宿东;风云二号E星成功获取第一张可见光图像[N];中国航天报;2009年

3 ;江门局有效提高旅检速度[N];中国国门时报;2007年

相关博士学位论文 前10条

1 李巍;光学复合仿生视觉关键技术研究[D];北京邮电大学;2019年

2 梁怀丹;空间遥感红外与可见光图像快速配准算法研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

3 沈瑜;基于多尺度几何分析的红外与可见光图像融合方法研究[D];兰州交通大学;2017年

4 陈艳菲;视觉显著性计算及其在红外与可见光图像融合中的应用[D];华中科技大学;2017年

5 朱攀;红外与红外偏振/可见光图像融合算法研究[D];天津大学;2017年

6 周渝人;红外与可见光图像融合算法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2014年

7 赵振兵;电气设备红外与可见光图像的配准方法研究[D];华北电力大学（河北）;2009年

8 宋怀波;低质量可见光图像的处理技术和识别方法研究[D];山东大学;2009年

9 左羽佳;机载光电平台红外与可见光图像融合系统关键技术研究[D];中国科学院长春光学精密机械与物理研究所;2017年

10 余烨;[D];合肥工业大学;2010年

相关硕士学位论文 前10条

1 汪廷;红外图像与可见光图像融合研究与应用[D];西安理工大学;2019年

2 高学志;无人机红外图像和可见光图像配准融合算法研究[D];哈尔滨理工大学;2019年

3 丁鑫;红外和可见光图像融合算法研究[D];哈尔滨工程大学;2019年

4 高雪莹;基于过采样图滤波器组的红外与可见光图像融合[D];哈尔滨工程大学;2019年

5 葛亚平;多源遥感图像水体检测方法研究[D];哈尔滨工程大学;2019年

6 王海彬;基于深度特征的跨模态行人重识别技术研究[D];厦门大学;2018年

7 赵令令;基于超列的变电设备红外与可见光图像配准研究[D];华北电力大学;2018年

8 邹晓光;基于自相似性的红外和可见光图像配准算法研究[D];哈尔滨工业大学;2017年

9 王凯;多传感器信息融合的行人跟踪研究[D];西安工业大学;2018年

10 周丽萍;动态光视觉的水面目标检测技术研究[D];哈尔滨工程大学;2018年

本文编号：2649328