| 【中文题名】 | 基于空间语义模型的Quick Bird影像城市房屋信息自动提取研究 |
| 【英文题名】 | Study on Urban House Information Extraction Automatically from Quick Bird Images Based on Space Semantic Model |
| 【学科专业】 | 地图学与地理信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-8-10 |
| 【中关键词】 | 空间语义网络,Quick,Bird影像,上下文信息,自动提取, |
| 【英关键词】 | Space Semantic Model,Quick Bird Image,Context,Information Extract Automatically, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感图像的解译、识别与处理>图像处理方法> |
| 【论文摘要】 | 随着Ikonos、Quick Bird、Spot5、Cosmos、OrbView等高分辨率遥感影像的出现,从遥感影像上自动、快速、精准地提取城市目标地物信息,如房屋、道路等,已经成为当前高分辨遥感图像信息提取与应用的研究热点。近年来,人工智能领域的发展使遥感影像地物信息的自动提取模型从注重形状特征、光谱特征、纹理特征等个体研究模型,发展为注重全局知识发现和对象间联系的语义模型。空间语义模型是将图像作为基本的分析对象和语义环境,着重从图像理解的角度,充分利用图像上下文信息,分析其空间语义特征和属性语义特征,进而建立完善的语义网络模型,实现空间知识的表达。
房屋作为重要的城市基础地理信息,它的自动识别和精确提取对GIS数据获取、影像理解、大比例尺制图以及其他许多应用都具有重要的意义。本文在介绍空间语义模型特点及构建流程基础上,分析了高分辨率遥感影像房屋信息特征空间和上下文信息,然后应用边缘检测、边缘跟踪和区域分割等方法提取房屋的特征标志,为空间语义模型的建立提供候选节点,根据节点间表现的不同尺度和不同语义链接关系实现单元语义网络模型的表示,在此基础上应用语义网络间的复杂链接关系,将单元语义网络模型联系为多尺度... |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
英文摘要 |
4-7 |
|
第一章 绪论 |
7-15 |
|
1.1 研究背景 |
7-11 |
|
1.1.1 遥感技术的发展 |
7-9 |
|
1.1.2 图像理解 |
9 |
|
1.1.3 人工智能中的知识表达 |
9-11 |
|
1.1.4 论文的目标及意义 |
11 |
|
1.2 国内外研究现状及其发展趋势 |
11-13 |
|
1.3 研究方法及技术流程 |
13-15 |
|
第二章 基于本体论的语义数据模型理论 |
15-26 |
|
2.1 语义网络模型的概念及结构 |
15-17 |
|
2.1.1 语义网络模型中的节点元语 |
15-16 |
|
2.1.2 语义网络模型中的约束 |
16-17 |
|
2.1.3 语义网络模型中的链接关系 |
17 |
|
2.2 基于语义网络模型的知识表示 |
17-20 |
|
2.2.1 事实知识的表示 |
17-19 |
|
2.2.2 状态与动作的表示 |
19-20 |
|
2.3 多元语义网络模型的表示 |
20-21 |
|
2.4 复杂语义网络模型中的连接词和量词 |
21-23 |
|
2.4.1 合取 |
21 |
|
2.4.2 析取 |
21-22 |
|
2.4.3 否定 |
22 |
|
2.4.4 蕴涵 |
22-23 |
|
2.4.5 量化 |
23 |
|
2.5 语义网络模型的推理机制 |
23-26 |
|
2.5.1 继承 |
23-24 |
|
2.5.2 匹配 |
24-25 |
|
2.5.3 其他推理方式 |
25-26 |
|
第三章 Quick Bird 影像房屋特征及其语义数据模型 |
26-66 |
|
3.1 Quick Bird 影像及其房屋特点 |
26-28 |
|
3.1.1 房屋的含义及其分类 |
26-27 |
|
3.1.2 Quick Bird 影像的房屋特点 |
27-28 |
|
3.2 Quick Bird 影像房屋的上下文信息 |
28-30 |
|
3.2.1 Quick Bird 影像房屋的全局上下文信息 |
29-30 |
|
3.2.2 Quick Bird 影像房屋的局部上下文信息 |
30 |
|
3.3 Quick Bird 影像房屋特征空间分析 |
30-38 |
|
3.3.1 Quick Bird 影像房屋的光谱特征空间 |
30-34 |
|
3.3.2 Quick Bird 影像房屋的形状特征空间 |
34-37 |
|
3.3.3 Quick Bird 影像房屋的干扰特征空间 |
37 |
|
3.3.4 Quick Bird 影像房屋的区域地学特征空间 |
37-38 |
|
3.4 Quick Bird 影像房屋特征提取 |
38-57 |
|
3.4.1 数据预处理 |
39-42 |
|
3.4.2 区域分割 |
42-47 |
|
3.4.3 边缘检测 |
47-54 |
|
3.4.4 边缘跟踪 |
54-57 |
|
3.5 Quick Bird 影像的房屋语义数据模型 |
57-66 |
|
3.5.1 多粒级候选房屋节点的获取 |
57-59 |
|
3.5.2 单元候选房屋的语义数据模型 |
59-62 |
|
3.5.3 多尺度房屋的语义数据模型 |
62-64 |
|
3.5.4 Quick Bird 影像的房屋语义数据模型 |
64-66 |
|
第四章 Quick Bird 影像房屋的自动提取 |
66-74 |
|
4.1 空间语义模型的程序实现 |
66-68 |
|
4.2 基于空间语义模型的房屋自动提取 |
68-71 |
|
4.2.1 房屋语义数据模型锻炼 |
68-69 |
|
4.2.2 房屋自动提取实验 |
69 |
|
4.2.3 实验结果分析 |
69-71 |
|
4.3 Quick Bird 影像的房屋语义数据模型评价 |
71-74 |
|
4.3.1 语义数据模型的评价 |
71 |
|
4.3.2 提取结果的评价 |
71-74 |
|
第五章 总结与展望 |
74-76 |
|
参考文献 |
76-80 |
|
在学期间公开发表论文及著作情况 |
80-81 |
|
后记 |
81 |
|
| 【DOI】 | LunWen.ID:2.2008.389358 |
