基于优化均值漂移算法的居民地及面状地物边线提取方法

发布时间：2017-08-31 07:46

  本文关键词：基于优化均值漂移算法的居民地及面状地物边线提取方法

  更多相关文章： 均值漂移算法 图像分割 统计分类 制图综合 上下文特征

【摘要】：随着对地观测技术的快速发展,无人机航拍和卫星对地观测为我们带来了海量的遥感数据和信息。如何从这些遥感影像中,提取出我们感兴趣的地物目标,一直是学者们研究的重点。在各类地物中,居民地因其重要性和多变性,成为了目标提取的热点。实现这一信息的准确提取,对于城市建设规划、土地利用调查、灾害评估和国防军事等领域具有重要意义。现有的居民地提取方法主要有四种：基于决策树模型的方法、基于知识发现模型的方法、基于统计模型的方法和面向对象的方法。这些方法使用起来都有其局限性：基于决策树模型的方法多依靠各波段亮度值对地物类型进行区分,遇到复杂地貌便会出现“错分”、“漏分”的现象;基于知识发现模型的方法对测绘人员先验知识要求较高,且研究范围多为特定区域,因此不具有通用性；基于统计模型的方法在处理影像中“同物异谱”或“异物同谱”现象时,无法准确进行区分；面向对象的方法对于高分辨率遥感影像中的居民地,因其差异较大且结构复杂,处理效果并不理想。均值漂移算法,是一种基于核密度梯度而非参数密度函数进行估计的算法,具有原理简单、运行效率高、抗噪性强等特点,目前主要用于图像分割。本文尝试将其引入遥感影像目标提取,采用“先分割、后分类、再提取”的方法实现了对特定信息(居民地和面状地物边线)的提取,主要研究内容和成果总结如下：(1)引入纹理参数优化了均值漂移算法,并对算法中涉及到的三个参数(空间带宽参数hs、色度带宽参数hr和纹理带宽参数ht)取不同值进行实验,对比分析实验结果发现,参数的取值给影像分割带来直接影响,对居民地提取具有重要意义。(2)提出了一种基于优化均值漂移算法提取遥感影像中居民地的方法,将其分别与统计分类模型中的马氏距离、最大似然估计和神经网络相结合,分别采用航空影像和卫星影像进行实验研究,再将实验结果与现有方法所得结果进行对比分析,发现新方法具有精度更高、速度更快、适用性更强的优点。(3)提出了基于优化均值漂移算法提取面状地物边线的方法,并对直接提取法做了两方面改进：与制图综合原理相结合,使其针对性更强;与地物影像特征中的形状特征和上下文特征相结合,使其准确度更高。
【关键词】：均值漂移算法 图像分割 统计分类 制图综合 上下文特征
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P237
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 选题依据及意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 遥感信息提取的方法研究11-13
• 1.2.2 均值漂移算法的现状概述13
• 1.2.3 均值漂移算法用于遥感影像处理的发展态势13-14
• 1.3 论文的主要工作14-15
• 1.4 论文的结构安排15-16
• 第二章 均值漂移算法原理及分析16-28
• 2.1 算法原理解析16-21
• 2.1.1 核函数16-17
• 2.1.2 特征空间无参核密度估计17-18
• 2.1.3 多元核均值漂移算法18-21
• 2.2 算法优化研究21-26
• 2.2.1 基本均值漂移算法21-24
• 2.2.2 优化均值漂移算法24-26
• 2.3 算法应用效果26-27
• 2.4 本章小结27-28
• 第三章 基于优化均值漂移算法的居民地提取方法28-51
• 3.1 常用的居民地提取方法28-38
• 3.1.1 基于决策树模型的方法28-31
• 3.1.2 基于统计模型的方法31-38
• 3.2 基于优化均值漂移算法的居民地提取方法38-43
• 3.2.1 优化均值漂移算法结合马氏距离39-40
• 3.2.2 优化均值漂移算法结合最大似然估计40-42
• 3.2.3 优化均值漂移算法结合神经网络42-43
• 3.3 实验结果比较分析43-45
• 3.4 方法可行性评估45-50
• 3.5 本章小结50-51
• 第四章 基于优化均值漂移算法的面状地物边线提取方法51-63
• 4.1 直接提取面状地物边线法51-52
• 4.2 优化均值漂移算法结合制图综合的改进方法52-57
• 4.2.1 制图综合原理53
• 4.2.2 优化均值漂移算法与制图综合结合法53-56
• 4.2.3 实验结果比较分析56-57
• 4.3 优化均值漂移算法结合影像特征的改进方法57-62
• 4.3.1 形状特征的引入57-59
• 4.3.2 上下文特征的引入59-62
• 4.4 本章小结62-63
• 第五章 全文总结与展望63-65
• 5.1 全文总结63
• 5.2 后续工作展望63-65
• 致谢65-66
• 参考文献66-68

【相似文献】

中国期刊全文数据库 前10条

1 刘静;仇大伟;;基于均值漂移的舌体分割算法[J];山东科学;2014年02期

2 王寿峰;白俊奇;;带宽自适应的均值漂移红外目标跟踪算法[J];光子学报;2014年05期

3 周芳芳;樊晓平;叶榛;;基于自适应带宽的快速动态高斯核均值漂移算法[J];控制理论与应用;2008年04期

4 周世健，曾绍炳;均值漂移模型与方差扩大模型的等价[J];矿山测量;1995年01期

5 赵高鹏;薄煜明;;基于特征自适应选择的金字塔均值漂移跟踪方法[J];光子学报;2011年01期

6 李刚;李艳灵;;快速均值漂移图像分割算法研究[J];数学的实践与认识;2009年08期

7 宗序平,韦博成;线性回归诊断的若干问题[J];高校应用数学学报A辑(中文版);1993年03期

8 王凯;赵永强;程咏梅;魏坤;;基于均值漂移和模糊积分融合的高光谱图像分割[J];光子学报;2010年01期

9 张凡;李元;;带均值漂移的HEGY检验及其实证研究[J];广州大学学报(自然科学版);2007年03期

10 任间;王坚;李锋;黄鲲;朱利平;姚仰光;袁海龙;金革;;均值漂移算法在LAMOST动态选星中的应用[J];天文学报;2007年04期

中国重要会议论文全文数据库 前6条

1 赵晶晶;谌海新;刘星彤;;基于均值漂移的红外飞行目标分割方法[A];第十四届全国图象图形学学术会议论文集[C];2008年

2 徐青松;王仁明;刘代志;;基于均值漂移的红外目标跟踪方法综述[A];国家安全地球物理丛书（七）——地球物理与核探测[C];2011年

3 李冠彬;吴贺丰;;基于颜色纹理直方图的带权分块均值漂移目标跟踪算法[A];第五届全国几何设计与计算学术会议论文集[C];2011年

4 白培瑞;李良;赵奇;韩焱;;基于均值漂移的医学超声图像分割改进算法[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

5 雷颖惠;张娟;杨文佳;;一种基于改进均值漂移的实时目标检测与跟踪算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

6 景军锋;李光燕;李鹏飞;;基于MeanShift和Harris算子圆网印花机对花检测的研究与设计[A];第十五届全国图象图形学学术会议论文集[C];2010年

中国博士学位论文全文数据库 前2条

1 王娟;复杂场景中的目标跟踪优化算法研究[D];燕山大学;2014年

2 陈远;复杂场景中视觉运动目标检测与跟踪[D];华中科技大学;2008年

中国硕士学位论文全文数据库 前10条

1 陈应跃;集成均值漂移分割的遥感影像融合方法研究[D];昆明理工大学;2015年

2 胡薇薇;基于Grab Cut的快速交互式图像分割算法研究[D];福州大学;2013年

3 王振;基于视频序列的目标跟踪算法优化[D];中北大学;2016年

4 程平;基于视频信息的运动多车辆追踪的量子均值漂移算法研究[D];广东工业大学;2013年

5 任娟;基于优化均值漂移算法的居民地及面状地物边线提取方法[D];电子科技大学;2016年

6 梁意;基于移动背景的目标检测和跟踪算法研究与实现[D];东南大学;2015年

7 郑增国;基于均值漂移的目标跟踪算法研究[D];广西民族大学;2012年

8 韦迅;基于均值漂移的动态目标跟踪算法研究[D];哈尔滨工程大学;2012年

9 明新勇;基于均值漂移和粒子滤波的目标跟踪算法研究[D];南京理工大学;2008年

10 成伟;均值漂移算法在视频目标跟踪中的应用[D];重庆大学;2009年

，

本文编号：764363