【摘要】：遙感技術(shù)目前得到了快速發(fā)展,對于遙感影響的處理也獲得了廣泛的研究,其中將計算機(jī)影像處理技術(shù)應(yīng)用到遙感影像道路信息提取,相比于傳統(tǒng)的實(shí)地測繪可以大大地提高時間效率,對于科研及民用有較高的應(yīng)用價值,可以大幅減少人工操作次數(shù)�，F(xiàn)階段,隨著衛(wèi)星獲取數(shù)據(jù)能力的大幅度提升,獲取數(shù)據(jù)的分辨率也獲得了大幅度提升,我們可以從衛(wèi)星拍攝的遙感影像中分辨出建筑物,道路等相關(guān)信息。通過對相關(guān)信息的分類處理并獲取感興趣區(qū)域,對于研究及應(yīng)用具有較重要的意義。在衛(wèi)星獲取的遙感影像中,我們首先根據(jù)道路固有的形狀,采用改進(jìn)的GVF-Snake分割算法對道路進(jìn)行分割,并根據(jù)遙感影像中道路所具有的各種特征及相關(guān)信息,對支持向量機(jī)(SVM)進(jìn)行訓(xùn)練進(jìn)而對道路及非道路部分信息進(jìn)行分類。最后提出一種新的輪廓骨架提取算法對道路骨架進(jìn)行提取,從而將道路信息提取出來。為了將遙感影像中的道路部分分割出來,本文提出了一種基于GVF-Snake的改進(jìn)算法,通過將感興趣的道路部分分割出來,以便于分析道路部分特征。由于GVF-Snake算法是基于影像梯度進(jìn)行運(yùn)算,當(dāng)影像邊緣較模糊時,容易將道路邊緣區(qū)分錯。相應(yīng)地本文提出了利用道路最小寬度對GVF-Snake進(jìn)行迭代約束,實(shí)驗(yàn)證明,可以很好地限制GVF-Snake在道路邊緣部分的迭代問題。遙感影像中的信息可以被認(rèn)為分類成道路數(shù)據(jù)及非道路數(shù)據(jù)。本文中我們采用了支持向量機(jī)對其進(jìn)行分類操作。對于道路部分的獲取,本文采用改進(jìn)的GVF-Snake算法對道路信息進(jìn)行分割提取,并采用手工方式選擇遙感影像中的非道路信息,我們將獲取到的兩類信息作為訓(xùn)練數(shù)據(jù)。通過使用道路信息及非道路信息這兩類訓(xùn)練數(shù)據(jù)對支持向量機(jī)進(jìn)行訓(xùn)練,從而完成對于衛(wèi)星遙感影像中的道路及非道路的分類操作,實(shí)現(xiàn)對道路信息的提取。本文對輪廓骨架提取及連通進(jìn)行了研究及改進(jìn)。本文首先研究了傳統(tǒng)的骨架提取算法,即OPENCV中的最大圓盤算法,該算法只是簡單地對影像進(jìn)行骨架提取,并沒有考慮骨架的連通性。我們首先使用Hough變換對提取的骨架進(jìn)行直線檢測,通過直線檢測確定出影像中的哪些點(diǎn)位于同一線段內(nèi),并對線段進(jìn)行判斷,線段間是否符合連通性。由于影像信息模糊導(dǎo)致的斷連,采用延長線進(jìn)行連接,對于局部區(qū)域是曲線的部分路段我們采用膨脹算法進(jìn)行了連通。并對毛刺進(jìn)行了消除。最終,我們采用上面提出的三個步驟對遙感影像進(jìn)行了道路信息的提取操作,提取結(jié)果基本能夠滿足使用,證明了本文提出的改進(jìn)算法能夠有效地提高道路提取效率,并具有較高的準(zhǔn)確率。本文算法的實(shí)現(xiàn)在科研和應(yīng)用領(lǐng)域中有一定的應(yīng)用價值。
【圖文】：

二維平面線性不可分，三維空間線性可分將低維數(shù)據(jù)映射到高維空間需要使用核函數(shù)，目前經(jīng)常使用的有如下兩

圖 3.4 迭代中輪廓點(diǎn)的位置算法在進(jìn)行迭代的過程中，種情況，如果輪廓上的點(diǎn)度的 1/4），則道路已經(jīng)被壓色區(qū)域中，需要對該點(diǎn)進(jìn)迭代。Point(x,ydelta,y+delta)Point(x,y)Distance(x,xy定后，對于迭代后的新的輪大于道路距離的 1/2 時，該離的 1/4 時，如果該點(diǎn)已經(jīng)域，則對該點(diǎn)進(jìn)行修正并恢
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 傅罡;趙紅蕊;李聰;石麗梅;;曲折道路遙感影像圓投影匹配改進(jìn)追蹤法[J];測繪學(xué)報;2014年07期

2 蔡彩;李培軍;郭建聰;;基于分水嶺變換及分層區(qū)域合并的城市高分辨率影像分割[J];北京大學(xué)學(xué)報(自然科學(xué)版);2014年02期

3 余潔;余峰;張晶;劉振宇;;結(jié)合區(qū)域生長與道路基元的高分辨率遙感影像道路提取[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2013年07期

4 肖大雪;;淺析數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用[J];科技廣場;2013年05期

5 袁叢洲;張金芳;彭進(jìn);;高分辨率遙感影像道路線性要素識別[J];計算機(jī)工程與應(yīng)用;2012年18期

6 周亞男;程熙;駱劍承;沈占鋒;胡曉東;;改進(jìn)GVF的自動Snakes模型[J];中國圖象圖形學(xué)報;2012年02期

7 施海亮;周紹光;徐勇;;基于Snakes模型的高分辨率遙感影像城區(qū)道路提取方法研究[J];大氣與環(huán)境光學(xué)學(xué)報;2011年02期

8 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報;2011年01期

9 丁美林;李光耀;張巧芳;;Snakes模型在衛(wèi)星圖片道路提取中的應(yīng)用[J];計算機(jī)技術(shù)與發(fā)展;2010年01期

10 呂哲;王福利;常玉清;劉陽;;改進(jìn)的形態(tài)學(xué)骨架提取算法[J];計算機(jī)工程;2009年19期

相關(guān)碩士學(xué)位論文 前2條

1 儲曉琛;改進(jìn)的樣本選擇對分類算法影響的研究[D];安徽大學(xué);2015年

2 周昀罡;基于知識的道路信息提取方法研究[D];四川師范大學(xué);2013年

，

本文編號：2606701