高分辨率可见光遥感图像建筑物提取方法研究
发布时间：2020-12-29 07:30
建筑物是构成人类生存环境的主要人造目标,是实现智慧城市的最关键城市要素。为了实现对智慧城市的有效支撑,精确可靠的建筑物目标提取是实现智慧街区/社区三维建筑物目标构建的最关键环节。为此,随着遥感技术的飞速发展,利用高分辨率遥感可见光图像,国内外相关学者和机构已经进行了针对建筑物目标位置和轮廓信息提取的大量研究。然而,虽然现有研究已经形成了多种建筑物目标检测相关的“经验”或“知识”,但是,受限于建筑物检测过程对图像中噪声、遮挡、材质等影响因素的处理能力,现有先验知识或规则所需的原始信息的提取能力还没有更好的受到有关规则或知识的指导,建筑物精确提取仍然是当今学界研究的重点和难点问题。具体的,为了利用高分辨率可见光遥感图像实现精确可靠的建筑物提取,需要有效解决以下几个关键问题:（1）如何有效实现可见光遥感图像中的光谱信息（即颜色信息）、多尺度结构信息、空间组合规则信息等知识的综合应用,在整体策略层次上进行有效的宏观把控;（2）如何高效利用可获取图像空间信息及建筑物结构信息,降低噪声、遮挡、光照等问题的影响,精确可靠的提取建筑物边缘及完整轮廓信息,实现对整体建筑物提取系统的有效支撑;（3）如何充...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：134 页
【学位级别】：博士
【部分图文】：
高景1号(SuperView-1)卫星高分辨率可见光遥感图像样图
第2章建筑物目标提取框架及关键信息挖掘理论19方向分量0°90°-90°180°颜色分量RGBY输入图像颜色多尺度特征图颜色显著图方向多尺度特征图方向显著图注意定位结果引导信息颜色：红色方向：90°图2-6JeremyWolfe提出的视觉注意导引搜索机制示意框图[122]Fig.2-6ThediagramoftheguidedsearchvisionattentionmechanismproposedbyJeremyWolfe图2-7Itti等人提出的视觉搜索和识别的贝叶斯模型[125]Fig.2-7ABayesianmodelforefficientvisualsearchandrecognitionproposedbyIttietal.
哈尔滨工业大学工学博士学位论文24有了以上定义，即可定义特征点up的主方向为：90,90argmaxuu(2-12)图2-8给出了一个特征点主方向统计的示意图：uu-100-50050100图2-8特征点主方向信息提取示意图[57]Fig.2-8Illustrationoftheprocedureofmaindirectionextractionforagivenfeaturepixel[57]最后，对特征点集1,,=puuNpP中的所有特征点进行主方向信息提取，并进行统计可得到图像中感兴趣目标的可能主方向集，即前K个具有最大投票数值的主方向，如图2-9所示。(a)特征点集示意图(b)特征点主方向统计直方图示意图(a)Illustrationoffeaturepixels(b)Illustrationofmain-directionhistogramoffeaturepixels图2-9基于特征点方向信息统计的主方向信息提取示意图[57]Fig.2-9Illustrationoftheprocedureofmaindirectionextractionforfeaturepixels[57]（2）基于特征线方向信息统计的方法基于特征点的方向信息统计方法中，主方向信息提取结果的精确程度或多或少的会受到来自非感兴趣目标特征点的影响。而特征线往往更多的来自于感兴趣目标，特别是对于建筑物目标。为此，与特征点相比，特征线能更好的反应感兴
【参考文献】：
期刊论文
[1]遥感影像建筑物提取的卷积神经元网络与开源数据集方法[J]. 季顺平,魏世清. 测绘学报. 2019(04)
[2]融合边界信息和颜色特征的显著性区域检测[J]. 王豪聪,张松龙,彭力. 计算机工程与应用. 2019(03)
[3]基于建筑物卫星图像的子像素角点优化方法[J]. 郝乐川,曹志民,张晔,张小威. 地理空间信息. 2018(02)
[4]一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法[J]. 赵传,张保明,陈小卫,郭海涛,卢俊. 测绘学报. 2017(09)
[5]基于多尺度多特征视觉显著性的海面舰船检测[J]. 丁鹏,张叶,贾平,常旭岭. 光学精密工程. 2017(09)
[6]利用多特征进行航空影像建筑物提取[J]. 吕凤华,舒宁,龚龑,郭清,曲雪光. 武汉大学学报(信息科学版). 2017(05)
[7]基于图割与阴影邻接关系的高分辨率遥感影像建筑物提取方法[J]. 施文灶,毛政元. 电子学报. 2016(12)
[8]深度学习在视频目标跟踪中的应用进展与展望[J]. 管皓,薛向阳,安志勇. 自动化学报. 2016(06)
[9]一种可见光影像稠密匹配点云的单栋建筑物提取方法[J]. 杨振发,万刚,曹雪峰,李锋. 测绘与空间地理信息. 2016(02)
[10]基于随机森林的WorldVew2i影像建筑物精细提取[J]. 范驰,江洪. 地理空间信息. 2016(01)
博士论文
[1]高分辨率光学遥感图像中典型人造目标检测技术研究[D]. 王慧利.中国科学院长春光学精密机械与物理研究所 2017
[2]基于多源遥感图像与LiDAR数据的建筑物三维空间信息提取[D]. 曹志民.哈尔滨工业大学 2016
本文编号：2945265
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：134 页
【学位级别】：博士
【部分图文】：
高景1号(SuperView-1)卫星高分辨率可见光遥感图像样图
第2章建筑物目标提取框架及关键信息挖掘理论19方向分量0°90°-90°180°颜色分量RGBY输入图像颜色多尺度特征图颜色显著图方向多尺度特征图方向显著图注意定位结果引导信息颜色：红色方向：90°图2-6JeremyWolfe提出的视觉注意导引搜索机制示意框图[122]Fig.2-6ThediagramoftheguidedsearchvisionattentionmechanismproposedbyJeremyWolfe图2-7Itti等人提出的视觉搜索和识别的贝叶斯模型[125]Fig.2-7ABayesianmodelforefficientvisualsearchandrecognitionproposedbyIttietal.
哈尔滨工业大学工学博士学位论文24有了以上定义，即可定义特征点up的主方向为：90,90argmaxuu(2-12)图2-8给出了一个特征点主方向统计的示意图：uu-100-50050100图2-8特征点主方向信息提取示意图[57]Fig.2-8Illustrationoftheprocedureofmaindirectionextractionforagivenfeaturepixel[57]最后，对特征点集1,,=puuNpP中的所有特征点进行主方向信息提取，并进行统计可得到图像中感兴趣目标的可能主方向集，即前K个具有最大投票数值的主方向，如图2-9所示。(a)特征点集示意图(b)特征点主方向统计直方图示意图(a)Illustrationoffeaturepixels(b)Illustrationofmain-directionhistogramoffeaturepixels图2-9基于特征点方向信息统计的主方向信息提取示意图[57]Fig.2-9Illustrationoftheprocedureofmaindirectionextractionforfeaturepixels[57]（2）基于特征线方向信息统计的方法基于特征点的方向信息统计方法中，主方向信息提取结果的精确程度或多或少的会受到来自非感兴趣目标特征点的影响。而特征线往往更多的来自于感兴趣目标，特别是对于建筑物目标。为此，与特征点相比，特征线能更好的反应感兴
【参考文献】：
期刊论文
[1]遥感影像建筑物提取的卷积神经元网络与开源数据集方法[J]. 季顺平,魏世清. 测绘学报. 2019(04)
[2]融合边界信息和颜色特征的显著性区域检测[J]. 王豪聪,张松龙,彭力. 计算机工程与应用. 2019(03)
[3]基于建筑物卫星图像的子像素角点优化方法[J]. 郝乐川,曹志民,张晔,张小威. 地理空间信息. 2018(02)
[4]一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法[J]. 赵传,张保明,陈小卫,郭海涛,卢俊. 测绘学报. 2017(09)
[5]基于多尺度多特征视觉显著性的海面舰船检测[J]. 丁鹏,张叶,贾平,常旭岭. 光学精密工程. 2017(09)
[6]利用多特征进行航空影像建筑物提取[J]. 吕凤华,舒宁,龚龑,郭清,曲雪光. 武汉大学学报(信息科学版). 2017(05)
[7]基于图割与阴影邻接关系的高分辨率遥感影像建筑物提取方法[J]. 施文灶,毛政元. 电子学报. 2016(12)
[8]深度学习在视频目标跟踪中的应用进展与展望[J]. 管皓,薛向阳,安志勇. 自动化学报. 2016(06)
[9]一种可见光影像稠密匹配点云的单栋建筑物提取方法[J]. 杨振发,万刚,曹雪峰,李锋. 测绘与空间地理信息. 2016(02)
[10]基于随机森林的WorldVew2i影像建筑物精细提取[J]. 范驰,江洪. 地理空间信息. 2016(01)
博士论文
[1]高分辨率光学遥感图像中典型人造目标检测技术研究[D]. 王慧利.中国科学院长春光学精密机械与物理研究所 2017
[2]基于多源遥感图像与LiDAR数据的建筑物三维空间信息提取[D]. 曹志民.哈尔滨工业大学 2016
本文编号：2945265
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/2945265.html
