PolSAR图像建筑物密度检测方法研究

发布时间：2017-12-26 15:23

  本文关键词：PolSAR图像建筑物密度检测方法研究　出处：《哈尔滨工业大学》2016年硕士论文　论文类型：学位论文

  更多相关文章： Pol SAR图像 自适应体散射模型 标记控制分水岭 建筑物密度

【摘要】：建筑物密度参数是城镇监测的主要指标之一。在城镇化的区域,快速地检测建筑物密度参数对于城镇的基础设施建设规划以及灾后重建都有着重要的意义。采用Pol SAR图像进行建筑物密度检测的方法在全天时、全天候,烟、雾、云等恶劣条件下均可进行,满足实时城镇监测与灾后检测的要求。极化合成孔径雷达图像为建筑物密度检测增添了更加完善的极化信息。然而,对于地物复杂的城镇区域,基于固定散射模型的目标分解方法对于建筑目标的区分精度往往较低。因此,本文采用极化合成孔径雷达图像,以建筑物极化特性分析为基础,建立基于自适应体散射模型的目标分解方法以克服固定模型目标分解的缺陷,结合标记控制分水岭的分析获取建筑物个体轮廓,完成对建筑群及建筑物个体的高精度提取,最终实现了城镇区域的多层次建筑物密度检测。本论文的主要工作安排:本文首先探讨了基于Pol SAR图像的建筑物密度检测工作的背景及课题研究目的意义。在此基础上,研究了本文探讨的Pol SAR图像中的建筑物目标特性。研究了Pol SAR图像的特性及相关理论,对不同类型建筑物在不同雷达照射情况下的电磁散射特性做了具体的分析,对Pol SAR图像中建筑物目标的成像特点进行了总结。其次,本文对于基于自适应体散射模型的目标分解方法及基于标记控制的分水岭方法做了详细地研究。弥补了固定体散射模型目标分解无法正确检测城镇区域建筑物目标的缺陷,解决了建筑物轮廓错检的问题。具体探讨了基于自适应体散射模型目标分解的建筑群密度检测及基于标记控制分水岭算法的建筑个体密度检测的相关方法。最后对本文的密度检测方法进行了实验分析与验证,包含了基于自适应体散射模型的建筑群密度检测结果以及基于标记控制分水岭的建筑个体密度检测结果等。实验最终获得建筑群及建筑物个体两个层次上的建筑物密度参数。结果表明,本文方法能够较准确地检测Pol SAR图像建筑物密度信息。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU196;TN957.52

【相似文献】

相关期刊论文 前10条

1 刘进;孙婧;徐正全;顾鑫;;基于目标的图像轻量级加密[J];华中科技大学学报(自然科学版);2011年06期

2 胡君;一种快速求图像目标质心的方法[J];光学精密工程;1998年05期

3 宋修锐;吴志勇;;图像通用目标的无监督检测[J];光学精密工程;2014年01期

4 赵玉凤;赵耀;朱振峰;;一种新的基于区域的图像相似性计算[J];铁道学报;2007年01期

5 徐朝伦,王晓湘,柯有安;一种新的图像自动门限分割方法[J];北京理工大学学报;1997年02期

6 王海英,郭志芬;一种复杂图像目标的分割与识别[J];北京理工大学学报;2000年02期

7 葛云;章东;;活体细胞图像斑点的自动提取和跟踪方法[J];东南大学学报(自然科学版);2009年03期

8 吕宇波;兰培真;;航拍图像海上目标定位算法[J];上海海事大学学报;2011年04期

9 刘吉平,赵鹏大;图像异常检测方法与应用研究[J];地球科学;1999年05期

10 于明,柯有安;复杂背景中人脸图像的定位研究[J];河北工业大学学报;1999年01期

相关会议论文 前5条

1 张林怡;王运锋;王建国;;分维数在SAR图像海岸线检测中的应用研究[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

2 李吉成;鲁新平;杨卫平;张志龙;高颖慧;沈振康;;图像目标的自动识别和快速筛选技术[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

3 佘二永;;SAR图像目标解译技术分析[A];第九届全国信息获取与处理学术会议论文集Ⅰ[C];2011年

4 赵朝杰;朱虹;黎璐;董敏;袁承兴;;基于内容感知的图像非等比例缩放[A];第十四届全国图象图形学学术会议论文集[C];2008年

5 奚惠宁;;浅谈有关医学图像的专利申请如何判断是否是非授权客体[A];2013年中华全国专利代理人协会年会暨第四届知识产权论坛论文汇编第二部分[C];2013年

相关博士学位论文 前10条

1 邓剑勋;多示例图像检索算法研究及在人脸识别中的应用[D];重庆大学;2012年

2 王亮申;图像特征提取及基于内容图像数据库检索理论和方法研究[D];大连理工大学;2002年

3 魏波;点时空约束图像目标跟踪理论与实时实现技术研究[D];电子科技大学;2000年

4 刘俊;基于钼靶图像的计算机辅助乳腺癌检测系统中关键技术研究[D];武汉科技大学;2012年

5 付华柱;图像协同关联性约束的研究与应用[D];天津大学;2013年

6 廖宜涛;基于图像与光谱信息的猪肉品质在线无损检测研究[D];浙江大学;2011年

7 陈海林;基于判别学习的图像目标分类研究[D];中国科学技术大学;2009年

8 王洪元;图像动态分析中的若干智能化方法研究[D];南京理工大学;2004年

9 徐丽;面向图像标记的条件随机场模型研究[D];长安大学;2013年

10 江志伟;基于内容的WEB图像过滤技术研究[D];浙江大学;2007年

相关硕士学位论文 前10条

1 徐衍鲁;基于改进的K-means和层次聚类方法的词袋模型研究[D];上海师范大学;2015年

2 甘洪涌;SAR图像自动目标识别算法研究[D];哈尔滨理工大学;2014年

3 张玉营;基于认知理论的高分辨率PolSAR图像目标解译算法研究[D];哈尔滨工业大学;2015年

4 王帅;视频中扇贝图像的检测与定位研究[D];大连海洋大学;2015年

5 李伟;改进的主颜色提取方法及自适应权重图像检索算法研究[D];华中师范大学;2015年

6 李星云;码垛机器人视觉控制关键技术的研究[D];西南科技大学;2015年

7 梁，

本文编号：1337753