| 【中文题名】 | 基于显著性的遥感图像分析技术研究 |
| 【英文题名】 | The Research on the Technologies for the Analysis of Remote Sensing Image Based on the Saliency |
| 【学科专业】 | 计算机科学与技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-18 |
| 【中关键词】 | 遥感图像处理,人工建筑区域,建筑物,小波变换,形态学重建,SUSAN |
| 【英关键词】 | Remote Sensing Image Processing,Building Area,Building,Wavelets Transformation,Mathematical Morphology,SUSAN,Morphological Reconstruction,Multi-Scale Edge Detection,Bresenham Line algorithm, |
| 【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】 |
近年来,不断发展的遥感技术使遥感数据呈现出高空间分辨率、高光谱分辨率和高采集频率的特点。不断发展的高分辨率遥感数据使提高信息提取和监测精度成为可能,随之遥感数据的应用范围可望得到进一步拓展。但遥感数据的高分辨率、高光谱和多时相发展趋势,使得遥感图像的数据量越来越大,面对如此浩瀚的数据,有两个问题值得考虑,一是如何获取有价值的遥感数据,二是如何有效的处理遥感数据。
本文针对可见光遥感图像的特点和上面的两个问题,提出了基于显著性的遥感图像获取与分析框架,在此框架下,对人工建筑区域进行了提取,对人工建筑区域中的高层建筑物进行了定位并对其轮廓进行了分析,结果表明了该框架的有效性,这些分析有助于遥感图像的目标识别,为今后创建遥感影像特征库奠定了基础。
本文做了以下主要工作:
1.提出了基于显著性的遥感图像获取与分析框架,这个框架是知识制导的遥感图像分析框架,其中借鉴了人类视觉注意的特点,将遥感图像分析过程分为自底向上和自顶向下两部分,自底向上考虑对遥感图像提取什么样的特征,自顶向下考虑遥感图像解译所需知识的获取和知识如何制导解译。文中给出了该框架的一个应用实例。
2.对人工建筑... |
| 【论文题纲】 |
|
摘要 |
10-12 |
|
ABSTRACT |
12-14 |
|
第一章 绪论 |
14-24 |
|
1.1 研究背景 |
14-17 |
|
1.1.1 遥感技术的发展 |
14-15 |
|
1.1.2 遥感专题信息的提取 |
15-16 |
|
1.1.3 遥感有关的计算技术 |
16-17 |
|
1.2 研究现状 |
17-21 |
|
1.2.1 遥感图像计算机自动解译现状 |
17-20 |
|
1.2.2 人工建筑区的提取与分析现状 |
20-21 |
|
1.3 研究内容及创新 |
21-22 |
|
1.4 论文结构 |
22-24 |
|
第二章 理论基础 |
24-30 |
|
2.1 小波变换 |
24-28 |
|
2.1.1 小波变换的特点 |
24 |
|
2.1.2 图像的小波变换 |
24-28 |
|
2.2 数学形态学 |
28-29 |
|
2.2.1 数学形态学的优势 |
28 |
|
2.2.2 数学形态学算子 |
28-29 |
|
2.3 本章小结 |
29-30 |
|
第三章 基于显著性的遥感图像获取与分析系统的结构 |
30-40 |
|
3.1 概念描述 |
30-31 |
|
3.2 体系结构 |
31-33 |
|
3.2.1 知识获取 |
31-33 |
|
3.2.2 基于知识的选择注意机制的遥感图像获取与分析框架 |
33 |
|
3.3 系统流程 |
33-35 |
|
3.4 一个实例 |
35-39 |
|
3.4.1 金字塔形多尺度图像的获取 |
35-36 |
|
3.4.2 知识制导下的特征提取 |
36-38 |
|
3.4.3 实验结果及分析 |
38-39 |
|
3.5 本章小结 |
39-40 |
|
第四章 人工建筑区域提取 |
40-47 |
|
4.1 建筑物区域提取 |
40-45 |
|
4.1.1 对遥感图像进行小波变换 |
41-42 |
|
4.1.2 高频系数融合 |
42 |
|
4.1.3 形态学重建 |
42-44 |
|
4.1.4 区域填充及区域跟踪 |
44-45 |
|
4.2 试验结果 |
45-46 |
|
4.3 本章小结 |
46-47 |
|
第五章 利用阴影信息定位高层建筑物 |
47-55 |
|
5.1 阴影 |
47-49 |
|
5.1.1 阴影的形成 |
47-48 |
|
5.1.2 阴影的种类和特征 |
48-49 |
|
5.2 太阳、卫星、建筑物及其阴影的几何位置关系 |
49 |
|
5.3 建筑物检测流程 |
49-50 |
|
5.4 阴影区域分割 |
50-51 |
|
5.5 建筑物定位 |
51-53 |
|
5.5.1 阴影区域边界提取 |
51-52 |
|
5.5.2 垂直边界提取及聚类 |
52-53 |
|
5.5.3 标记建筑物 |
53 |
|
5.6 实验结果及分析 |
53-54 |
|
5.7 本章小结 |
54-55 |
|
第六章 建筑物轮廓分析 |
55-63 |
|
6.1 边缘提取 |
56-57 |
|
6.1.1 Canny边缘检测 |
56 |
|
6.1.2 多尺度边缘检测 |
56-57 |
|
6.2 边缘构造 |
57-61 |
|
6.2.1 选取种子点 |
57 |
|
6.2.2 确定种子点处边缘方向 |
57-59 |
|
6.2.3 种子点聚类 |
59-60 |
|
6.2.4 边缘构造及校正 |
60-61 |
|
6.3 实验结果及分析 |
61-62 |
|
6.4 本章小结 |
62-63 |
|
第七章 系统实现 |
63-65 |
|
第八章 结束语 |
65-68 |
|
8.1 工作总结 |
65 |
|
8.2 研究展望 |
65-68 |
|
致谢 |
68-69 |
|
参考文献 |
69-74 |
|
作者在学期间发表的学术论文 |
74 |
|
| 【DOI】 | LunWen.ID:2.2008.389490 |
