基于面向对象的高分辨率遥感影像建筑物提取研究
发布时间：2021-10-19 23:19
建筑物作为城市的主要地理要素,不论是从国家发展层面还是城市发展规划来讲,对其空间位置及形状信息的准确掌握具有非常重要的意义。高分辨率遥感影像特有的高空间分辨率,使得地物的细节信息得以更充分的表达,由此造成传统基于像素的地物识别和提取方法遇到了瓶颈。因此,本文把建筑物作为研究目标,以面向对象分类技术为研究方法,综合应用建筑物在高分辨率遥感影像上所呈现的光谱、纹理、几何特征,对面向对象的高分辨率遥感影像建筑物提取展开研究。文章的主要研究内容及成果如下:（1）为改善经典分水岭变换方法造成的过分割现象,本文以区域分割方法中的分水岭算法为基础,主要从两方面对其改进:一是结合Canny边缘检测算法获取边缘信息突出的梯度图像;二是结合距离变换找出标记种子进行区域标记。（2）用改进分水岭算法的结果图辅助多尺度分割,实现多尺度分割技术的优化。通过实验分析,得出优化后的多尺度分割方法兼备Canny边缘检测和改进分水岭算法的特点。该方法既能清晰准确地表达出建筑物的边缘信息又有效降低了多尺度分割中存在的过分割现象。（3）针对面向对象遥感影像分类过程中存在的特征“维数灾难”问题,本文提出一种 Relief F ...
【文章来源】：西安科技大学陕西省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
实验区域影像数据
2遥感影像对象分割方法12A-B之间，则根据相邻的八个像素存在与否来判定。（5）使用Canny算法对影像数据进行初步处理，获得初步的梯度影像。（6）对梯度图像进行阈值处理。在处理过程种，定义了一个阈值用来控制二值化的程度，达到对梯度图像的改进。具体公式如（2.4）：对于阈值的选择，需要确定一个合适的数值，防止丢失关键信息导致后续操作连锁反应分割错误区域。本文选择了f(x,y)的众数作为阈值。最终的梯度图像如图2.4所示：()()()≥<=εεyxfyxfyxg,,1,,0,(2.4)图2.4梯度图像经阈值处理结果图2.3.2基于距离的标记分水岭算法结合对建筑物提取的背景要求，使用距离变换（DistanceTransform）获取确定的前景色，找出marker种子。距离变换的处理图像通常都是二值图像，而二值图像其实就是把图像分为两部分，一部分为目标对象，称之为前景部分；另一部分是背景或干扰因素[52,53]。在指定灰度值时，前景部分赋值为255，图中呈现亮白色；背景部分赋值为0，图中呈现黑色。由此得出影像中前景部分中的像素点和背景部分相距越远，其距离越大，当在某个像素点利用此距离值代替原来的像素值时，在新变换生成的图中此点越亮。数学表达式如（2.5）：()()()>=otherwiseiffValueyyxTxyxdst,0,,,max,(2.5)
西安科技大学全日制工程硕士学位论文13最终结合背景和前景本文找出marker种子：()()=(,,,yxdstyxgyxf)(2.6)找到种子后利用two-pass算法寻找连通域，添加marker；并且利用分水岭算法进行最终的分割，得到结果如图2.5所示。并使用经典的分水岭变换算法进行影像分割实验，完成对比验证实验，其分割结果如图2.6所示：图2.5改进分水岭算法分割结果图图2.6经典分水岭分割结果
【参考文献】：
期刊论文
[1]基于改进粒子群算法的医学图像分类研究[J]. 罗姗,邵艳华,李伟,蔡静,陈德强. 湖北民族大学学报(自然科学版). 2020(02)
[2]分水岭算法的改进及在图像分割中的应用[J]. 韩悬,马银平. 现代信息科技. 2019(24)
[3]一种混合粒子群优化遗传算法的高分影像特征优化方法[J]. 唐晓娜,张和生. 遥感信息. 2019(06)
[4]基于面向对象的建筑物信息提取方法研究[J]. 贺晓璐,刘振华,胡月明. 河南理工大学学报(自然科学版). 2020(02)
[5]特征分量的城市建筑物面向对象提取方法[J]. 朱芳芳,李仲勤,杨树文,杨猛. 测绘科学. 2020(01)
[6]基于对象分类的遥感影像森林变化检测方法[J]. 雷鸣,田卫新,任东,董婷. 森林与环境学报. 2019(06)
[7]一种结合MBI和SLIC算法的遥感影像建筑物提取方法[J]. 魏旭,高小明,岳庆兴,郭正胜. 测绘与空间地理信息. 2019(10)
[8]基于高分二号遥感影像的树种分类方法[J]. 李哲,张沁雨,彭道黎. 遥感技术与应用. 2019(05)
[9]基于分水岭变换的多尺度遥感影像分割算法[J]. 王小刚. 北京测绘. 2019(08)
[10]利用高程信息结合彩色遥感航空影像提取建筑物目标[J]. 杜一民,戴激光. 测绘与空间地理信息. 2019(07)
博士论文
[1]面向对象的高分辨率遥感影像特征选择与分类研究[D]. 史蕾.武汉大学 2018
硕士论文
[1]融合LIDAR点云与正射影像的城区建筑物细化提取研究[D]. 王俊博.吉林大学 2019
[2]面向图像分类的特征选择方法[D]. 臧浩.北京交通大学 2019
[3]高光谱遥感影像分类方法的对比研究[D]. 张慧丽.中国地质大学(北京) 2019
[4]特征选择算法在基因表达数据分类中的应用[D]. 陈俊颖.中国计量大学 2018
[5]面向特征选择的Relief算法研究[D]. 黄晓娟.苏州大学 2018
[6]基于多层次分割分类模型及其特征空间优化的高分辨率遥感影像城市建筑物提取研究[D]. 党涛.兰州大学 2018
[7]基于高分辨率遥感影像的城区建筑物提取方法研究[D]. 郑璐.吉林大学 2017
[8]基于多特征Dempster-shafer证据融合的高分辨率遥感影像建筑物变化检测[D]. 杨磊.西南交通大学 2016
[9]基于Worldview2影像的无锡新区地物信息提取[D]. 范驰.南京大学 2015
[10]基于TIN法向量的边缘检测与建筑物提取方法研究[D]. 师顿.西安电子科技大学 2014
本文编号：3445790
【文章来源】：西安科技大学陕西省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
实验区域影像数据
2遥感影像对象分割方法12A-B之间，则根据相邻的八个像素存在与否来判定。（5）使用Canny算法对影像数据进行初步处理，获得初步的梯度影像。（6）对梯度图像进行阈值处理。在处理过程种，定义了一个阈值用来控制二值化的程度，达到对梯度图像的改进。具体公式如（2.4）：对于阈值的选择，需要确定一个合适的数值，防止丢失关键信息导致后续操作连锁反应分割错误区域。本文选择了f(x,y)的众数作为阈值。最终的梯度图像如图2.4所示：()()()≥<=εεyxfyxfyxg,,1,,0,(2.4)图2.4梯度图像经阈值处理结果图2.3.2基于距离的标记分水岭算法结合对建筑物提取的背景要求，使用距离变换（DistanceTransform）获取确定的前景色，找出marker种子。距离变换的处理图像通常都是二值图像，而二值图像其实就是把图像分为两部分，一部分为目标对象，称之为前景部分；另一部分是背景或干扰因素[52,53]。在指定灰度值时，前景部分赋值为255，图中呈现亮白色；背景部分赋值为0，图中呈现黑色。由此得出影像中前景部分中的像素点和背景部分相距越远，其距离越大，当在某个像素点利用此距离值代替原来的像素值时，在新变换生成的图中此点越亮。数学表达式如（2.5）：()()()>=otherwiseiffValueyyxTxyxdst,0,,,max,(2.5)
西安科技大学全日制工程硕士学位论文13最终结合背景和前景本文找出marker种子：()()=(,,,yxdstyxgyxf)(2.6)找到种子后利用two-pass算法寻找连通域，添加marker；并且利用分水岭算法进行最终的分割，得到结果如图2.5所示。并使用经典的分水岭变换算法进行影像分割实验，完成对比验证实验，其分割结果如图2.6所示：图2.5改进分水岭算法分割结果图图2.6经典分水岭分割结果
【参考文献】：
期刊论文
[1]基于改进粒子群算法的医学图像分类研究[J]. 罗姗,邵艳华,李伟,蔡静,陈德强. 湖北民族大学学报(自然科学版). 2020(02)
[2]分水岭算法的改进及在图像分割中的应用[J]. 韩悬,马银平. 现代信息科技. 2019(24)
[3]一种混合粒子群优化遗传算法的高分影像特征优化方法[J]. 唐晓娜,张和生. 遥感信息. 2019(06)
[4]基于面向对象的建筑物信息提取方法研究[J]. 贺晓璐,刘振华,胡月明. 河南理工大学学报(自然科学版). 2020(02)
[5]特征分量的城市建筑物面向对象提取方法[J]. 朱芳芳,李仲勤,杨树文,杨猛. 测绘科学. 2020(01)
[6]基于对象分类的遥感影像森林变化检测方法[J]. 雷鸣,田卫新,任东,董婷. 森林与环境学报. 2019(06)
[7]一种结合MBI和SLIC算法的遥感影像建筑物提取方法[J]. 魏旭,高小明,岳庆兴,郭正胜. 测绘与空间地理信息. 2019(10)
[8]基于高分二号遥感影像的树种分类方法[J]. 李哲,张沁雨,彭道黎. 遥感技术与应用. 2019(05)
[9]基于分水岭变换的多尺度遥感影像分割算法[J]. 王小刚. 北京测绘. 2019(08)
[10]利用高程信息结合彩色遥感航空影像提取建筑物目标[J]. 杜一民,戴激光. 测绘与空间地理信息. 2019(07)
博士论文
[1]面向对象的高分辨率遥感影像特征选择与分类研究[D]. 史蕾.武汉大学 2018
硕士论文
[1]融合LIDAR点云与正射影像的城区建筑物细化提取研究[D]. 王俊博.吉林大学 2019
[2]面向图像分类的特征选择方法[D]. 臧浩.北京交通大学 2019
[3]高光谱遥感影像分类方法的对比研究[D]. 张慧丽.中国地质大学(北京) 2019
[4]特征选择算法在基因表达数据分类中的应用[D]. 陈俊颖.中国计量大学 2018
[5]面向特征选择的Relief算法研究[D]. 黄晓娟.苏州大学 2018
[6]基于多层次分割分类模型及其特征空间优化的高分辨率遥感影像城市建筑物提取研究[D]. 党涛.兰州大学 2018
[7]基于高分辨率遥感影像的城区建筑物提取方法研究[D]. 郑璐.吉林大学 2017
[8]基于多特征Dempster-shafer证据融合的高分辨率遥感影像建筑物变化检测[D]. 杨磊.西南交通大学 2016
[9]基于Worldview2影像的无锡新区地物信息提取[D]. 范驰.南京大学 2015
[10]基于TIN法向量的边缘检测与建筑物提取方法研究[D]. 师顿.西安电子科技大学 2014
本文编号：3445790
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3445790.html
