高分辨率遥感影像近海岸承灾体目标识别方法研究

发布时间：2017-04-02 11:11

  本文关键词：高分辨率遥感影像近海岸承灾体目标识别方法研究，，由笔耕文化传播整理发布。

【摘要】：海洋灾害给国民经济和沿海居民的生命财产安全造成了巨大的损失与影响。历年关于海洋灾害损失信息的获取,都是当地海洋部门通过实地调查、逐级上报的方式完成,需要耗费大量的财力和时间。随着航天技术和传感器技术的迅速发展,航空相机等所获取的地面影像的分辨率也越来越高,并且可以获得全天候,全方位,实时的观测数据。因此,采用遥感手段对自然灾害情况进行快速监测成为目前遥感领域的研究热点之一。本文以近海岸的典型承灾体目标为研究对象,对高分辨率遥感影像中承灾体目标的识别方法进行了研究。首先将本文所利用到的三种特征进行详细的介绍,然后在实现对特征提取的基础上,本文提出了一种多特征加权概率融合的承灾体目标的识别方法:利用支持向量机分别对每一种特征进行分类;利用不同特征输出的支持向量机分类结果来分别计算每个特征的特征权重以及每个样本的分类确定性;最后综合特征权重、分类确定性以及SVM概率输出结果,通过最大后验概率进行类别判定,完成对承灾体目标物的提取。针对线性承灾体目标受灾区段损毁差异性大,没有固定的光谱变化模式,以及由此产生的难以精确识别提取的问题,本文提出一种基于梯度主方向确定性的线性目标损毁区段识别方法。该方法利用单一时相的遥感影像,结合历史矢量信息,在矢量数据的引导下,计算每个检测窗口覆盖下的图像区域内的梯度主方向确定性值,并将梯度主方向确定性值与损毁阈值进行比较,以此判定该区域是否发生损毁。为了测试该方法的可行性,采用了两个不同区域的高分辨率航拍遥感影像对该模型进行验证,试验结果表明该方法简便有效,能够准确地检测出线性目标的损毁区段。
【关键词】：目标识别 多特征提取 特征权重 概率融合 梯度主方向确定性
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X43;TP79
【目录】：

• 摘要2-3
• abstract3-7
• 1 绪论7-12
• 1.1 课题研究背景和意义7-8
• 1.1.1 课题研究背景7
• 1.1.2 课题研究意义7-8
• 1.2 遥感影像目标识别方法研究现状8-9
• 1.3 本文的主要工作9-10
• 1.4 本文的各章节安排10-12
• 2 高分辨率遥感影像特征提取和表达12-24
• 2.1 引言12
• 2.2 HOG特征12-14
• 2.2.1 归一化图像颜色空间12-13
• 2.2.2 计算梯度值13
• 2.2.3 构建细胞单元的梯度方向直方图13-14
• 2.2.4 由细胞单元组合成大的区块14
• 2.3 LBP特征14-17
• 2.3.1 基本的LBP特征15
• 2.3.2 扩展的LBP特征15-16
• 2.3.3 旋转不变LBP特征16-17
• 2.4 颜色特征17-22
• 2.4.1 颜色模型17-20
• 2.4.2 颜色量化20-21
• 2.4.3 颜色直方图21-22
• 2.5 试验与分析22-23
• 2.6 本章小结23-24
• 3 基于多特征加权概率融合的目标分类识别24-38
• 3.1 引言24-25
• 3.2 支持向量机25-29
• 3.2.1 SVM概率输出28
• 3.2.2 SVM分类确定性28-29
• 3.3 多特征加权概率融合模型29-30
• 3.3.1 特征权重29
• 3.3.2 融合模型建立29-30
• 3.4 试验与分析30-36
• 3.4.1 试验数据简介30-31
• 3.4.2 试验样本和参数设置31-32
• 3.4.3 试验结果与分析32-36
• 3.5 本章小结36-38
• 4 基于梯度主方向确定性的线形目标损毁区段识别38-48
• 4.1 引言38-40
• 4.2 边缘检测40
• 4.3 梯度主方向确定性40-42
• 4.3.1 影像梯度40-41
• 4.3.2 梯度主方向确定性41-42
• 4.4 试验与分析42-47
• 4.4.1 码头损毁段识别42-44
• 4.4.2 道路损毁段识别44-47
• 4.5 本章小结47-48
• 5 总结与展望48-50
• 5.1 总结48
• 5.2 创新点48
• 5.3 展望48-50
• 致谢50-51
• 参考文献51-56
• 攻读硕士期间取得的成果56

【相似文献】

中国期刊全文数据库 前2条

1 李大洪;地质雷达目标识别方法述评[J];煤炭科学技术;2000年05期

2 ;[J];;年期

中国重要会议论文全文数据库 前9条

1 张艳宁;赵荣椿;梁怡;;一种有效的图像目标识别方法[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（下册）[C];2002年

2 肖怀铁;郭雷;付强;;一种新的模糊支持矢量机多目标识别方法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

3 任文君;苏开娜;;一种复杂背景下基于知识的目标识别方法的研究[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

4 张纯;许枫;;基于运动特征的水下蛙人目标识别方法[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年

5 陶志国;姜一晖;柳鹏;;基于BP神经网络的飞机目标识别方法研究[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年

6 张峰;薛青;;基于贝叶斯网络的战场目标识别方法研究[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

7 张冬英;洪津;王峰;骆冬根;邱成峰;;基于灰度直方图的暗目标识别方法[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

8 晋朝勃;胡刚强;史广智;李玉阳;;一种采用支持向量机的水中目标识别方法[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年

9 何心怡;蒋兴舟;;基于脉宽延伸与多普勒效应的目标识别方法[A];中国声学学会2001年青年学术会议[CYCA'01]论文集[C];2001年

中国博士学位论文全文数据库 前5条

1 白刚浩;基于视觉注意和局部不变性特征相结合的目标识别技术研究[D];浙江大学;2015年

2 汤晓;基于复杂网络的图像目标识别方法研究[D];广东工业大学;2013年

3 王光伟;基于非对称逆布局模型的目标识别方法研究[D];华中科技大学;2012年

4 邢学敏;CRInSAR与PSInSAR联合监测矿区时序地表形变研究[D];中南大学;2011年

5 陈振学;基于特征显著性的目标识别方法及其应用研究[D];华中科技大学;2007年

中国硕士学位论文全文数据库 前10条

1 罗飞扬;基于局部相似结构统计匹配模型的红外目标识别方法[D];南京理工大学;2015年

2 武俊;复杂环境中特定目标识别方法研究[D];上海交通大学;2015年

3 杨红叶;基于图像差异性特征描述的目标识别方法及其应用[D];华北电力大学;2015年

4 杨慧;融合RGB特征和Depth特征的3D目标识别方法研究[D];合肥工业大学;2015年

5 卜定欣;基于LabVIEW的静电信号采集和目标识别方法的实现[D];江苏大学;2016年

6 胡大盟;图像轮廓的特征描述及其单目标识别方法研究[D];苏州大学;2016年

7 薛陶蓓;基于LARK和近邻结构匹配的红外目标识别方法[D];南京理工大学;2016年

8 朱闪闪;基于超声阵列声场仿真平台的目标识别方法研究[D];西南科技大学;2016年

9 郑艺惟;高分辨率遥感影像近海岸承灾体目标识别方法研究[D];西安科技大学;2016年

10 潘伟;基于重构的目标识别方法在人脸及雷达数据库上的应用研究[D];西安电子科技大学;2012年

  本文关键词：高分辨率遥感影像近海岸承灾体目标识别方法研究，由笔耕文化传播整理发布。

本文编号：282383