基于特征标记的遥感建筑图像分类方法研究

发布时间：2021-10-11 02:36

　　为了提高对地面建筑的遥感辨识和检测能力,需要对建筑图像进行分类处理,提出了基于特征标记的遥感建筑图像分类方法。在大气散射环境下进行遥感建筑图像的模糊信息融合处理,结合分块模板特征匹配方法进行图像的特征配准处理,首先根据特征配准结果进行建筑物的特征点提取,用特征标记方法进行建筑物图像的平移、旋转、比例不变性等相关性特征检测,然后根据图像的形状特征分布实现对遥感建筑图像的属性特征检测,采用自适应参数融合方法进行多模态特征分解,对不同纹理分布的建筑图像进行边缘轮廓特征检测,最后根据边缘特征标记结果实现遥感建筑图像的优化分类。仿真结果表明,采用该方法进行遥感建筑图像分类准确性较高,特征辨识能力较强,提高了对遥感建筑图像特征的提取和检测能力。 

【文章来源】：河南工程学院学报(自然科学版). 2020,32(04)

【文章页数】：5 页

【部分图文】：

待分类的遥感建筑图像

遥感建筑图像的边缘轮廓检测结果

分析图3得知,采用本方法能有效实现对遥感建筑图像的纹理检测,根据纹理检测结果和边缘特征标记结果得到遥感建筑图像的优化分类结果,如图4所示。图4 遥感建筑图像的优化分类结果

【参考文献】：
期刊论文
[1]GNSS-R SAR地面目标建模与成像[J]. 李墨羽,焦瑞莉,朱云龙,吴世玉.  计算机工程与应用. 2019(23)
[2]基于L*a*b*颜色空间的高动态范围成像算法[J]. 赵金波,肖照,白本督,范九伦.  计算机工程. 2018(12)
[3]结合局部灰度差异的噪声图像分割模型[J]. 李钢,李海芳,尚方信,郭浩.  计算机应用. 2018(03)
[4]基于形态学滤波的红外图像背景补偿[J]. 李武周,余锋,王冰,胡琥香,周长荣.  红外技术. 2016(04)
[5]基于图分割的高分辨率遥感影像建筑物变化检测研究[J]. 施文灶,毛政元.  地球信息科学学报. 2016(03)
[6]基于正则化约束的遥感图像多尺度去模糊[J]. 谭海鹏,曾炫杰,牛四杰,陈强,孙权森.  中国图象图形学报. 2015(03)
[7]基于非下采样轮廓波变换遥感影像超分辨重建方法[J]. 周靖鸿,周璀,朱建军,樊东昊.  光学学报. 2015(01)



本文编号：3429622