高分辨率遥感影像建筑物提取方法研究

发布时间：2017-03-26 09:07

  本文关键词：高分辨率遥感影像建筑物提取方法研究，由笔耕文化传播整理发布。

【摘要】：随着航天技术和传感器技术的迅速发展，资源卫星，侦察卫星，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，利用卫星影像或者航空相片对地物进行信息提取，可以大大提高工作效率，克服了实地勘测的繁琐。如何充分利用这些高分辨率的影像是城市规划，人口估计，资源探测，军事侦察等领域的研究课题，在上述的众多应用中，建筑物作为城市地物的重要组成部分，对它的获取和识别至关重要。因此，，高分辨率遥感影像中建筑物的提取是图像处理领域的主要的研究内容之一。 本文主要对遥感影像中建筑物的提取方法进行了研究，首先将本文所利用到的特征进行详细的介绍，然后在实现对特征提取的基础上，考虑建筑物和形态学之间的关系，本文提出了一个基于增强型形态学建筑物指数对建筑物提取的方法：首先提取城市的不透水层特征，然后通过建立建筑物属性与形态学运算之间的关系得到了EMBI特征图像以增强对建筑物的描述，随后结合形状特征（长宽比，面积等）采用决策树分析的方法完成对建筑物的最终提取。试验结果显示，相对于MBI算法，EMBI算法取得更好的提取效果。 针对高分辨率影像光谱信息不足，影像信息细节化，同类地物间差异增大，以及由此产生的影像特征提取和模式分类上的问题，本文提出了一个联合光谱-空间多特征的基于SVM的分类器模型，利用该模型完成建筑物的提取，该模型充分利用了多特征信息，并且克服了Hughes现象和高维特征堆积所产生的过拟合问题。本模型利用的三类光谱-空间特征，包括光谱特征-多尺度形态学光谱特征、光谱特征-多尺度形态学下垫面物理特征和光谱特征-多尺度形态学地物空间延展特征。具体流程为：首先将该三类光谱-空间特征利用支持向量机进行分类，然后将分类结果利用概率融合的方法进行整合，最终完成对建筑物的提取。试验结果显示，相比于VS-SVM算法，该模型取得了更好的提取效果。
【关键词】：建筑物提取 高分辨率 增强型形态学建筑物指数 光谱-空间特征 SVM
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P237;TP751
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 1 绪论8-12
• 1.1 课题研究背景和意义8-9
• 1.1.1 课题研究背景8
• 1.1.2 课题研究意义8-9
• 1.2 建筑物提取方法研究现状9-10
• 1.3 本文的主要工作10-11
• 1.4 本文的各章节安排11-12
• 2 高分辨率遥感影像特征提取和表达12-21
• 2.1 引言12
• 2.2 城市地表下垫面物理特征的提取12-14
• 2.2.1 城市地表下垫面物理特征的提取方法12-13
• 2.2.2 试验与分析13-14
• 2.3 地物空间延展特征的提取14-17
• 2.3.1 地物空间延展特征的提取方法14-16
• 2.3.2 试验与分析16-17
• 2.4 多尺度形态学特征的提取与表达17-20
• 2.4.1 新的形态学算子 OFC 的建立18
• 2.4.2 结构体的选择18-19
• 2.4.3 多尺度形态学特征的建立19-20
• 2.5 本章小结20-21
• 3 基于形态学建筑物指数（EMBI）的建筑物提取21-29
• 3.1 引言21-22
• 3.2 不透水层组分图像的提取22
• 3.3 增强型形态学建筑物指数（EMBI）特征的建立22-24
• 3.4 形态学建筑物指数（EMBI）的后处理24
• 3.5 试验与分析24-28
• 3.5.1 HYDICE 影像试验24-26
• 3.5.2 Quickbird 影像试验26-28
• 3.6 本章小结28-29
• 4 支持向量机的概率融合光谱-空间特征的地物分类模型29-40
• 4.1 引言29-30
• 4.2 支持向量机的概率融合光谱-空间特征的地物分类模型30-31
• 4.3 试验与分析31-38
• 4.3.1 ROSIS 影像试验32-36
• 4.3.2 WorldView-2 影像试验36-38
• 4.4 本章小结38-40
• 5 总结与展望40-41
• 5.1 总结40
• 5.2 创新点40
• 5.3 展望40-41
• 致谢41-42
• 参考文献42-47
• 攻读硕士期间取得的成果47

【参考文献】

中国期刊全文数据库 前1条

1 承德保;;基于多特征组的遥感图像中建筑物目标自动识别与标绘的方法[J];电子与信息学报;2008年12期

  本文关键词：高分辨率遥感影像建筑物提取方法研究，由笔耕文化传播整理发布。

本文编号：268570