高空间分辨率遥感影像语义分割方法研究
发布时间：2021-01-05 14:53
随着航空航天平台和遥感技术的不断发展,我们可以获取到越来越多的纹理细节清晰、光谱特征丰富的高空间分辨率遥感影像,高空间分辨率遥感影像已经成为经济建设、国防安全、地理信息服务等方面重要的空间信息源。但与此同时,“同物异谱”和“异物同谱”现象随之而来,并成为制约高空间分辨率遥感影像应用和发展的主要因素。为了解决上述问题,国内外大量学者开展了大量研究。目前,围绕高空间分辨率遥感影像分析与处理已成为遥感领域研究的热点方向之一。同时,随着影像空间分辨率的提高,信息的提取技术从基于像元的分类逐渐过渡到面向对象的识别。面向对象的影像分析方法采用先分割再分类的模式进行地物识别与提取。其中,遥感影像分割和分类技术是面向对象影像分析方法的基础和关键,两个过程均涉及特征的选取及特征相似度的计算,在两个过程中均会带来结果的不确定性。伴随计算机视觉研究的不断加深,研究者更加关注影像分割更为准确的分析和理解,语义分割的提出给这一问题带来契机,有别于传统的影像分割方法,语义分割的根本目的是,在分割的同时确定分割区域的语义类别,这对于影像分析和处理更加准确化有着深远的意义。为此本文以高空间分辨率遥感影像为研究对象,通...
【文章来源】：昆明理工大学云南省
【文章页数】：102 页
【学位级别】：硕士
【部分图文】：
基于候选区域的语义分割流程
图 2.1 影像分割定义 Figure 2.1 Definition of image segmentation 从上述定义可以看出，影像分割将影像标记，相同特征的像素被标记为同一类型，在标记分配过程中，每一像素不能被多的集合组成影像中相对应的区域，全部像素结果[44]。常见的分割算法包括阈值法、边场的算法、以及其他分割法（数学形态学、传算法）。下面将分别进行简要介绍。.1.1.1 阈值分割算法阈值法（灰度门限技术）是一种计算简应用于影像分割中[45]，该算法利用影像灰
图 2.3 语义分割示意图Figure 2.3 semantic segmentation schematic1 影像底层特征提取影像底层特征包括全局特征和局部特征，全局特征是整幅影像或者影影像块的属性值，由于全局特征不能彻底的代表整幅影像，因此我们影像的一些局部特征作为附加属性值，包括梯度值、颜色分量值等。底层特征提取方法有：颜色特征提取、纹理特征提取、形状特征提取1）颜色特征提取颜色特征是全局特征的重要表现之一，通常情况下通过颜色直方图表信息，这是一种基于像素的方法，常用的颜色直方图包括基于 RGB（reen 绿，Blue 蓝）和 CIELAB（简称 Lab）两种表达形式的颜色空间B 颜色空间，如图 2.4 所示，其中包括三个色彩通道，每个通道的取0-255]。CIELAB 颜色空间（Lab）：L 表示像素的颜色，取值范围[0,1
【参考文献】：
期刊论文
[1]简单线性迭代聚类的高分辨率遥感影像分割[J]. 董志鹏,梅小明,陈杰,邓敏,李昕. 遥感信息. 2016(06)
[2]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[3]基于DCNN的图像语义分割综述[J]. 魏云超,赵耀. 北京交通大学学报. 2016(04)
[4]第6讲 深度卷积神经网络在图像分割中的应用[J]. 郑云飞,张雄伟,曹铁勇,王文. 军事通信技术. 2016(02)
[5]图像分割的图论方法综述[J]. 王梅,李玉鑑,全笑梅. 计算机应用与软件. 2014(09)
[6]结合光谱、纹理与形状结构信息的遥感影像分割方法[J]. 巫兆聪,胡忠文,张谦,崔卫红. 测绘学报. 2013(01)
[7]基于条件随机场的图像语义分割[J]. 张春芳. 计算机光盘软件与应用. 2012(09)
[8]无人机高空间分辨率影像分类研究[J]. 鲁恒,李永树,林先成. 测绘科学. 2011(06)
[9]基于K均值聚类与区域合并的彩色图像分割算法[J]. 李光,王朝英,侯志强. 计算机应用. 2010(02)
[10]基于层次聚类LS-SVM的图像分割方法[J]. 胡学坤,宋淑娜,李金霞,高尚. 计算机与数字工程. 2010(01)
博士论文
[1]基于上下文信息的语义图像分类研究[D]. 李昌英（Ri ChangYong）.浙江大学 2014
[2]面向对象的高分辨率影像城市多特征变化检测研究[D]. 汤玉奇.武汉大学 2013
[3]高空间分辨率遥感影像自适应分割方法研究[D]. 刘建华.福州大学 2011
[4]基于区域的多分辨率遥感影像语义检索方法研究[D]. 刘婷婷.武汉大学 2009
[5]高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D]. 黄昕.武汉大学 2009
[6]基于活动轮廓模型的图像分割[D]. 朱国普.哈尔滨工业大学 2007
[7]基于模糊聚类分析的图像分割技术研究[D]. 张爱华.华中科技大学 2004
硕士论文
[1]基于L0梯度最小化的图像平滑方法研究[D]. 庞学舜.天津理工大学 2016
[2]基于马尔科夫随机场的SAR图像处理[D]. 郭颖.西安电子科技大学 2014
[3]基于图论的超像素分割及其合并算法[D]. 门学敏.燕山大学 2014
[4]结合底层分割的图像语义分割[D]. 陈坤.上海师范大学 2013
本文编号：2958859
【文章来源】：昆明理工大学云南省
【文章页数】：102 页
【学位级别】：硕士
【部分图文】：
基于候选区域的语义分割流程
图 2.1 影像分割定义 Figure 2.1 Definition of image segmentation 从上述定义可以看出，影像分割将影像标记，相同特征的像素被标记为同一类型，在标记分配过程中，每一像素不能被多的集合组成影像中相对应的区域，全部像素结果[44]。常见的分割算法包括阈值法、边场的算法、以及其他分割法（数学形态学、传算法）。下面将分别进行简要介绍。.1.1.1 阈值分割算法阈值法（灰度门限技术）是一种计算简应用于影像分割中[45]，该算法利用影像灰
图 2.3 语义分割示意图Figure 2.3 semantic segmentation schematic1 影像底层特征提取影像底层特征包括全局特征和局部特征，全局特征是整幅影像或者影影像块的属性值，由于全局特征不能彻底的代表整幅影像，因此我们影像的一些局部特征作为附加属性值，包括梯度值、颜色分量值等。底层特征提取方法有：颜色特征提取、纹理特征提取、形状特征提取1）颜色特征提取颜色特征是全局特征的重要表现之一，通常情况下通过颜色直方图表信息，这是一种基于像素的方法，常用的颜色直方图包括基于 RGB（reen 绿，Blue 蓝）和 CIELAB（简称 Lab）两种表达形式的颜色空间B 颜色空间，如图 2.4 所示，其中包括三个色彩通道，每个通道的取0-255]。CIELAB 颜色空间（Lab）：L 表示像素的颜色，取值范围[0,1
【参考文献】：
期刊论文
[1]简单线性迭代聚类的高分辨率遥感影像分割[J]. 董志鹏,梅小明,陈杰,邓敏,李昕. 遥感信息. 2016(06)
[2]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[3]基于DCNN的图像语义分割综述[J]. 魏云超,赵耀. 北京交通大学学报. 2016(04)
[4]第6讲 深度卷积神经网络在图像分割中的应用[J]. 郑云飞,张雄伟,曹铁勇,王文. 军事通信技术. 2016(02)
[5]图像分割的图论方法综述[J]. 王梅,李玉鑑,全笑梅. 计算机应用与软件. 2014(09)
[6]结合光谱、纹理与形状结构信息的遥感影像分割方法[J]. 巫兆聪,胡忠文,张谦,崔卫红. 测绘学报. 2013(01)
[7]基于条件随机场的图像语义分割[J]. 张春芳. 计算机光盘软件与应用. 2012(09)
[8]无人机高空间分辨率影像分类研究[J]. 鲁恒,李永树,林先成. 测绘科学. 2011(06)
[9]基于K均值聚类与区域合并的彩色图像分割算法[J]. 李光,王朝英,侯志强. 计算机应用. 2010(02)
[10]基于层次聚类LS-SVM的图像分割方法[J]. 胡学坤,宋淑娜,李金霞,高尚. 计算机与数字工程. 2010(01)
博士论文
[1]基于上下文信息的语义图像分类研究[D]. 李昌英（Ri ChangYong）.浙江大学 2014
[2]面向对象的高分辨率影像城市多特征变化检测研究[D]. 汤玉奇.武汉大学 2013
[3]高空间分辨率遥感影像自适应分割方法研究[D]. 刘建华.福州大学 2011
[4]基于区域的多分辨率遥感影像语义检索方法研究[D]. 刘婷婷.武汉大学 2009
[5]高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D]. 黄昕.武汉大学 2009
[6]基于活动轮廓模型的图像分割[D]. 朱国普.哈尔滨工业大学 2007
[7]基于模糊聚类分析的图像分割技术研究[D]. 张爱华.华中科技大学 2004
硕士论文
[1]基于L0梯度最小化的图像平滑方法研究[D]. 庞学舜.天津理工大学 2016
[2]基于马尔科夫随机场的SAR图像处理[D]. 郭颖.西安电子科技大学 2014
[3]基于图论的超像素分割及其合并算法[D]. 门学敏.燕山大学 2014
[4]结合底层分割的图像语义分割[D]. 陈坤.上海师范大学 2013
本文编号：2958859
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2958859.html
