面向对象的遥感图像识别研究
发布时间：2021-01-14 02:52
近年来,随着遥感技术的发展,遥感图像分辨率不断提高,其在众多领域的应用得到了人们的广泛关注。遥感图像识别技术就是其研究的主要热点之一。鉴于传统识别技术执行时间长和空间占用大的缺点,本文研究面向对象的图像识别技术,其主要包括两个方面:遥感图像的分割和目标识别。为了满足时间、空间和精度的要求,本文做了以下工作:（1）超像素分割算法的并行化改造传统分割算法大多采用串行执行的方式,已经不能满足现今遥感图像处理对时间和空间的高要求。本文结合数据分块并行理论和SLIC（simple linear iterative cluster）算法OpenMP并行化方法,根据遥感图像数据可分的特点,将遥感图像进行条状分块并编号,将分块后的子图像独立进行并行化后的SLIC分割操作。通过并行实验,对串行执行时间和并行执行时间进行对比,很明显,此改进在时间和加速比都取得了好的效果,达到预期目标。（2）并行分割完后边界合并算法的设计并行分割完成之后,分块边界处会出现明显的合并线,本文提出基于区域邻接图的边界合并算法。该算法首先获取边界处的区域标签,根据边界像素的空间位置关系,建立边界处的区域邻接图,然后遍历区域邻接图...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
K-means聚类过程图
距离和空间位置特征距离的和，该值通过超像素距离 S 归一化2 2 2( ) ( ) ( )lab k i k i k id l l a a b b2 2( ) ( )xy k i k id x x y y2 2s lab xymD d dS 入的变量 m 用于控制超像素的紧密度，m 越大，空间聚类越m 的范围在[1,20]，此处所有的计算结果都是以 m 10为前提大 CIELAB 的感知距离，并且很好地平衡了色彩相似度和空统的 K 均值算法不同，SLIC 并不是对整个空间的所有像素了区域，区域大小为 2S，即寻找时以初始聚类中心为寻找中心S的矩阵，如图 3.2 所示：
西安电子科技大学硕士学位论文。对基于数据分集的多线程设计，它是一个很好的选择。同时MP 也提供了更强的灵活性，可以较容易的适应不同的并行系统配置负载平衡等是传统多线程程序设计中的难题，然而，在 OpenMMP 库从程序员手中接管了部分这两方面的工作，从而使得程序员可具体的算法本身，而非如何编程使得代码在 CPU 负载平衡和线程平衡。但是，作为高层抽象，OpenMP 并不适合需要复杂的线程间场合。OpenMP 的另一个缺点是不能在非共享内存系统(如计算机在这样的系统上，MPI 使用较多。. OpenMP 编程模型享内存模型：OpenMP 以多核处理器平台为设计基础，其底层架构 或者 NUMA。
【参考文献】：
期刊论文
[1]基于BP神经网络和改进D-S证据理论的目标识别方法[J]. 张志,杨清海. 计算机应用与软件. 2018(03)
[2]基于多参数配准模型的脑核磁影像分割算法[J]. 张万,刘刚,朱凯,廖恒旭. 电子学报. 2017(09)
[3]基于动态阈值区域分裂合并算法的高分辨率遥感图像分割研究[J]. 丁海勇,王雨轩,毛宇琼,许亚慧. 测绘通报. 2016(08)
[4]高斯—拉普拉斯算子场源边界识别方法[J]. 王明,何辉,王林飞,刘前坤. 物探与化探. 2015(S1)
[5]基于深度学习的高分辨率遥感影像目标检测[J]. 高常鑫,桑农. 测绘通报. 2014(S1)
[6]一种基于朴素贝叶斯分类模型的高光谱矿物精确识别方法[J]. 贺金鑫,陈圣波,王阳,吴艳繁. 光谱学与光谱分析. 2014(02)
[7]基于边缘检测的图像分割技术浅析[J]. 刘毅,赖晓风. 电子制作. 2013(16)
[8]高分辨率遥感影像信息提取方法综述[J]. 王伟超,邹维宝. 北京测绘. 2013(04)
[9]基于虚拟节点的传感器网络分布式数据存储[J]. 陈涛,牟亮,郭得科,陈洪辉,罗雪山. 上海交通大学学报. 2009(11)
[10]基于任意方向图像导数算法的边缘检测技术[J]. 张斌,宋旸,贺安之. 光电工程. 2009(10)
博士论文
[1]大幅面可见光遥感图像典型目标识别关键技术研究[D]. 韩现伟.哈尔滨工业大学 2013
[2]基于遥感与地表特性的鄂尔多斯高原北部地貌和覆沙厚度的辨识方法[D]. 罗艳云.内蒙古农业大学 2012
硕士论文
[1]基于面向对象多尺度分割的目标信息提取研究[D]. 雍万铃.兰州交通大学 2016
[2]基于最大类间方差的医学显微图像分割研究[D]. 胡涵.江西理工大学 2015
[3]基于活动轮廓和闭合型抠图的图像分割算法研究[D]. 曹淼科.华东师范大学 2015
[4]高分辨率遥感图像分水岭分割并行化研究[D]. 刘钰.南京师范大学 2015
[5]基于面向对象的高分辨率遥感影像人工地物信息提取[D]. 王波.江西理工大学 2011
[6]基于多核的多线程算法并行优化[D]. 李秀芳.郑州大学 2010
[7]遥感影像上军事目标变化检测相关关键技术研究[D]. 莫华.解放军信息工程大学 2007
本文编号：2976060
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
K-means聚类过程图
距离和空间位置特征距离的和，该值通过超像素距离 S 归一化2 2 2( ) ( ) ( )lab k i k i k id l l a a b b2 2( ) ( )xy k i k id x x y y2 2s lab xymD d dS 入的变量 m 用于控制超像素的紧密度，m 越大，空间聚类越m 的范围在[1,20]，此处所有的计算结果都是以 m 10为前提大 CIELAB 的感知距离，并且很好地平衡了色彩相似度和空统的 K 均值算法不同，SLIC 并不是对整个空间的所有像素了区域，区域大小为 2S，即寻找时以初始聚类中心为寻找中心S的矩阵，如图 3.2 所示：
西安电子科技大学硕士学位论文。对基于数据分集的多线程设计，它是一个很好的选择。同时MP 也提供了更强的灵活性，可以较容易的适应不同的并行系统配置负载平衡等是传统多线程程序设计中的难题，然而，在 OpenMMP 库从程序员手中接管了部分这两方面的工作，从而使得程序员可具体的算法本身，而非如何编程使得代码在 CPU 负载平衡和线程平衡。但是，作为高层抽象，OpenMP 并不适合需要复杂的线程间场合。OpenMP 的另一个缺点是不能在非共享内存系统(如计算机在这样的系统上，MPI 使用较多。. OpenMP 编程模型享内存模型：OpenMP 以多核处理器平台为设计基础，其底层架构 或者 NUMA。
【参考文献】：
期刊论文
[1]基于BP神经网络和改进D-S证据理论的目标识别方法[J]. 张志,杨清海. 计算机应用与软件. 2018(03)
[2]基于多参数配准模型的脑核磁影像分割算法[J]. 张万,刘刚,朱凯,廖恒旭. 电子学报. 2017(09)
[3]基于动态阈值区域分裂合并算法的高分辨率遥感图像分割研究[J]. 丁海勇,王雨轩,毛宇琼,许亚慧. 测绘通报. 2016(08)
[4]高斯—拉普拉斯算子场源边界识别方法[J]. 王明,何辉,王林飞,刘前坤. 物探与化探. 2015(S1)
[5]基于深度学习的高分辨率遥感影像目标检测[J]. 高常鑫,桑农. 测绘通报. 2014(S1)
[6]一种基于朴素贝叶斯分类模型的高光谱矿物精确识别方法[J]. 贺金鑫,陈圣波,王阳,吴艳繁. 光谱学与光谱分析. 2014(02)
[7]基于边缘检测的图像分割技术浅析[J]. 刘毅,赖晓风. 电子制作. 2013(16)
[8]高分辨率遥感影像信息提取方法综述[J]. 王伟超,邹维宝. 北京测绘. 2013(04)
[9]基于虚拟节点的传感器网络分布式数据存储[J]. 陈涛,牟亮,郭得科,陈洪辉,罗雪山. 上海交通大学学报. 2009(11)
[10]基于任意方向图像导数算法的边缘检测技术[J]. 张斌,宋旸,贺安之. 光电工程. 2009(10)
博士论文
[1]大幅面可见光遥感图像典型目标识别关键技术研究[D]. 韩现伟.哈尔滨工业大学 2013
[2]基于遥感与地表特性的鄂尔多斯高原北部地貌和覆沙厚度的辨识方法[D]. 罗艳云.内蒙古农业大学 2012
硕士论文
[1]基于面向对象多尺度分割的目标信息提取研究[D]. 雍万铃.兰州交通大学 2016
[2]基于最大类间方差的医学显微图像分割研究[D]. 胡涵.江西理工大学 2015
[3]基于活动轮廓和闭合型抠图的图像分割算法研究[D]. 曹淼科.华东师范大学 2015
[4]高分辨率遥感图像分水岭分割并行化研究[D]. 刘钰.南京师范大学 2015
[5]基于面向对象的高分辨率遥感影像人工地物信息提取[D]. 王波.江西理工大学 2011
[6]基于多核的多线程算法并行优化[D]. 李秀芳.郑州大学 2010
[7]遥感影像上军事目标变化检测相关关键技术研究[D]. 莫华.解放军信息工程大学 2007
本文编号：2976060
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/2976060.html
