单极化TerraSAR-X影像支持下面向对象的建筑区提取方法研究

发布时间：2017-08-02 17:03

  本文关键词：单极化TerraSAR-X影像支持下面向对象的建筑区提取方法研究

  更多相关文章： TerraSAR-X影像 面向对象 纹理分析 特征优化 建筑区提取

【摘要】：基于卫星影像进行建筑区信息的识别,为城市扩张监测、城市规划、灾害评估提供了一个关键的信息层。在受限于环境条件无法获得光学遥感影像的地区,星载雷达影像表现出了足够大的优势。根据所使用的合成孔径雷达数据的特点,开发和调整建筑区信息的自动提取方法已经成为研究的热点。本文以高分辨率单极化TerraSAR-X影像为数据源,从面向对象的纹理分析和多特征分类两个角度对建筑区的提取方法进行了研究,主要内容如下:(1)建筑区在高分辨率SAR影像上具有较高的后向散射强度,但是在具体的应用中,建筑物像元并不能完全高亮显示在SAR影像中。而纹理特征作为建筑区区别于其它土地利用类型的一个重要特征,本文以三个典型的城市场景为实验区,以Matlab为软件平台,首先对比分析了不同的纹理信息提取方法,然后根据提取出的纹理特征影像,在eCognition软件的支持下,基于最大类间方差算法构建面向对象的影像二值化规则集,实现纹理特征阈值的自动确定,达到建筑区轮廓快速提取的目的。(2)针对仅利用单极化TerraSAR-X影像的纹理特征提取建筑区存在的不足,考虑到建筑区在一定时期内处于相对稳定的状态,利用不同时相的单极化TerraSAR-X影像,以影像的后向散射特性、相干性、相干斑差异性、纹理特性为切入点,波段组合特征影像,首先进行多尺度分割,选择训练样本对象,充分挖掘样本对象的属性信息,然后考虑类间、类内距离建立特征分离性指标,进行特征优化,最后应用面向对象的多特征分类方法实现了建筑区的提取。实验结果表明,本文的方法一方面减少了特征的冗余,另一方面维持了较高的信息提取精度,在一定程度上弥补了eCognition软件中影像对象纹理特征计算慢的不足。(3)设计和开发用于特征提取和特征优选的实验平台,构建基于单极化TerraSAR-X影像提取建筑区轮廓的知识规则集,开发操作功能库,定制可视化界面,建立了一套可读性强用于建筑区轮廓提取的解决方案,帮助作业人员快速、轻松地进行建筑区轮廓提取。
【关键词】：TerraSAR-X影像 面向对象 纹理分析 特征优化 建筑区提取
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P237
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-16
• 1 绪论16-24
• 1.1 研究背景与意义16-17
• 1.2 国内外研究现状17-21
• 1.3 论文研究内容及结构安排21-24
• 2 研究区概况及数据预处理24-32
• 2.1 研究区概况24-25
• 2.2 研究区数据介绍25-28
• 2.3 数据预处理28-31
• 2.4 本章小结31-32
• 3 基于纹理分析的TerraSAR-X影像建筑区提取32-55
• 3.1 基于灰度共生矩阵的纹理分析32-33
• 3.2 基于类别共生矩阵的纹理分析33-35
• 3.3 基于变差函数的类别共生矩阵的纹理分析35-42
• 3.4 基于类别相似矩阵的纹理分析42-47
• 3.5 阈值分类47-48
• 3.6 实验与分析48-54
• 3.7 本章小结54-55
• 4 基于多特征的TerraSAR-X影像建筑区提取55-77
• 4.1 TerraSAR-X影像特性分析55-62
• 4.2 影像分割62-65
• 4.3 特征提取与优选65-70
• 4.4 多特征分类70-73
• 4.5 轮廓规范化73-74
• 4.6 实验与分析74-76
• 4.7 本章小结76-77
• 5 实验平台设计与实现77-87
• 5.1 特征提取与优选实验平台设计与实现77-79
• 5.2 建筑区轮廓提取功能库的设计与实现79-84
• 5.3 实验平台测试与验证84-86
• 5.4 本章小结86-87
• 6 结论与展望87-89
• 6.1 结论87-88
• 6.2 展望88-89
• 参考文献89-96
• 作者简历96-98
• 学位论文数据集98

【相似文献】

中国期刊全文数据库 前10条

1 詹总谦;来冰华;万杰;李楼;;一种利用纹理特征和朴素贝叶斯分类器检测近景影像植被的方法[J];武汉大学学报(信息科学版);2013年06期

2 黄春龙;邢立新;韩冬;;基于纹理特征的水系信息提取[J];吉林大学学报(地球科学版);2008年S1期

3 张慧;王宏琦;孙显;;结合颜色和纹理特征的树冠提取方法[J];光学技术;2008年04期

4 张砾;;辅以纹理特征的洪泽湖湿地信息提取[J];遥感信息;2010年03期

5 耿国华;王克刚;李康;;基于色彩纹理特征的图像分类及应用[J];西北大学学报(自然科学版);2010年01期

6 王晶;刘湘南;;引入纹理特征的多光谱遥感影像海面油膜信息提取[J];海洋通报;2013年04期

7 张睿;张继贤;李海涛;;基于角度纹理特征及剖面匹配的高分辨率遥感影像带状道路半自动提取[J];遥感学报;2008年02期

8 汪华章;;基于纹理特征的岩屑图像识别[J];西南民族大学学报(自然科学版);2009年05期

9 刘健;余坤勇;许章华;李国清;缪丽娟;沈建文;;竹资源专题信息提取纹理特征量构建研究[J];遥感信息;2010年06期

10 王丽涛;王世新;周艺;刘文亮;王峰;王福涛;;基于纹理特征的高分辨率遥感影像灾害监测应用[J];灾害学;2014年03期

中国重要会议论文全文数据库 前10条

1 田学东;郭宝兰;;基于纹理特征的版式识别研究[A];辉煌二十年——中国中文信息学会二十周年学术会议论文集[C];2001年

2 殷积东;刘博;王少辉;;基于粗糙集理论和关联规则的腐蚀区域纹理特征检测算法研究[A];图像图形技术研究与应用(2010)[C];2010年

3 秦钟;;基于纹理特征的车辆分割方法[A];第二十七届中国控制会议论文集[C];2008年

4 王建新;周晨波;于文英;;利用纹理特征分析激光散斑图像[A];第十一届全国光学测试学术讨论会论文（摘要集）[C];2006年

5 王宇生;陈纯;;一种用于图像检索的纹理特征[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

6 龚红菊;姬长英;;基于纹理特征的麦穗产量测量方法研究[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

7 常哲;侯榆青;程涛;李明俐;刘黎宁;;综合颜色和纹理特征的图像检索[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年

8 赵银娣;蔡燕;;纹理特征在高空间分辨率遥感影像分类中的应用探讨[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

9 秦健;李涛;;基于Contourlet变换提取云的旋转不变纹理特征[A];2009第五届苏皖两省大气探测、环境遥感与电子技术学术研讨会专辑[C];2009年

10 张树恒;阳维;廖广姗;王莲芸;张素;;基于形状和纹理特征的致敏花粉显微图像识别[A];中华医学会2010年全国变态反应学术会议暨中欧变态反应高峰论坛参会指南/论文汇编[C];2010年

中国博士学位论文全文数据库 前3条

1 周前进;基于纹理特征的打印文档机源认证技术研究[D];武汉大学;2015年

2 夏瑜;基于结构的纹理特征及应用研究[D];中国科学技术大学;2014年

3 李伯宇;图像纹理分析及分类方法研究[D];复旦大学;2007年

中国硕士学位论文全文数据库 前10条

1 李强;基于颜色与纹理特征的图像检索技术研究[D];河北大学;2015年

2 田甜;面向对象的森林植被类型信息提取技术[D];东北林业大学;2015年

3 崔巍;基于纹理特征的地表覆盖分类算法研究[D];南京理工大学;2015年

4 宋歌声;利用超声图像纹理特征鉴别甲状腺结节良恶性的研究[D];山东大学;2015年

5 廖声扬;数字视频复制—粘贴篡改被动取证研究[D];福建师范大学;2015年

6 牧其尔;基于纹理特征的人工梭梭林生物量遥感估测研究[D];内蒙古师范大学;2015年

7 张瑞英;基于多源遥感数据的森林郁闭度估测方法研究[D];内蒙古师范大学;2015年

8 黄源;基于区域语义模板的刑侦图像检索算法研究[D];西安邮电大学;2015年

9 赵玉丹;基于LBP的图像纹理特征的提取及应用[D];西安邮电大学;2015年

10 林婉晴;城市不透水面信息提取方法及应用研究[D];福建师范大学;2015年

，

本文编号：610287