【摘要】：高分辨率遙感圖像中的水體信息在各個領(lǐng)域發(fā)揮著越來越重要的作用,但是現(xiàn)有的一些檢測水體信息的方法往往不能滿足實際需求,本文提出的對高分辨率可見光圖像和高分辨率SAR圖像中的水體檢測技術(shù)具有很好的效果和實用性。具體的研究主要包括以下兩個部分:(1)針對可見光圖像中水體信息的檢測,本文提出了在SLIC分割的超像素塊中提取多種特征,再用BP神經(jīng)網(wǎng)絡進行識別的算法,整個算法分為兩個部分,樣本數(shù)據(jù)的訓練和待測試數(shù)據(jù)的水體檢測,首先把可見光圖像進行降噪處理,用SLIC算法對可見光圖像進行分割,分割完成后就會有超像素塊,把這些數(shù)據(jù)分成樣本數(shù)據(jù)和待測試數(shù)據(jù),然后利用半自動標記程序把樣本數(shù)據(jù)中的水體和非水體標注出來,在標記的像素塊中提取它們的特征,放入BP神經(jīng)網(wǎng)絡中得到訓練模型,最后是待測試數(shù)據(jù)的水體檢測,提取待測試數(shù)據(jù)中像素塊的特征,把這些數(shù)據(jù)和訓練樣本數(shù)據(jù)得出的訓練模型加入BP神經(jīng)網(wǎng)絡中進行水體區(qū)域的預測,得到待測試數(shù)據(jù)中的水體區(qū)域,本文提出的算法水體檢測準確率比較高。(2)針對SAR圖像中水體區(qū)域的檢測,本文提出了一種圓形滑動窗口模板遍歷算法,首先要對SAR圖像中相干斑噪聲進行抑制,然后用圓形滑動窗口模板遍歷整張SAR圖像,最后根據(jù)重疊的滑動窗口區(qū)域統(tǒng)計出候選像素點的連通區(qū)域,根據(jù)候選水體連通區(qū)域的面積,把誤檢的區(qū)域剔除、減少漏檢區(qū)域,實驗結(jié)果表明此方法不但能夠很好的將水體信息檢測出來,而且使得檢測出來的水體信息與陸地信息的邊界部分比較圓滑,不會出現(xiàn)比較明顯的矩形棱角,更貼近水體的特性。通過分析實驗結(jié)果,驗證了本文提出的算法可以提高對可見光圖像和SAR圖像中水體檢測的準確率。為了驗證本文提出算法的有效性,做了很多實驗。實驗結(jié)果說明了本文提出的在SLIC分割的超像素塊中提取多種特征,再用BP神經(jīng)網(wǎng)絡進行識別的算法、圓形滑動窗口模板遍歷算法提高了對水體檢測的準確率,可見光圖像中水體檢測的準確率達到了89.55%,SAR圖像中水體檢測的準確率達到了91.25%,比較理想的檢測出了可見光圖像和SAR圖像中的水體區(qū)域。
【圖文】：

本章要對可見光圖像的水體檢測技術(shù)以及SAR圖像的水體檢測技術(shù)進行介紹，因為可見光圖像具有復雜多樣的地物，其色彩比較鮮明，所以處理可見光圖像可以獲取很多信息，本文提出在SLIC分割的超像素塊中提取多種特征，再用BP神經(jīng)網(wǎng)絡進行識別的算法來檢測可見光圖像中的水體區(qū)域；SAR圖像有全天時、全天候的特點，在各個領(lǐng)域的應用越來越廣泛，但是現(xiàn)有的一些SAR圖像的水體檢測技術(shù)，對水體的檢測準確率不夠高，或者只能在一些比較普通、區(qū)域劃分比較明顯的圖像中效果才會顯著，對場景復雜的SAR圖像進行水體檢測，準確率就會大大降低，所以本文在現(xiàn)有的SAR圖像水體檢測技術(shù)，即方形滑動窗口模板遍歷算法的基礎(chǔ)上做了優(yōu)化，提出了圓形滑動窗口模板遍歷算法。2.1 可見光圖像水體檢測相關(guān)技術(shù)介紹2.1.1 可見光圖像預處理本文所使用的可見光圖像是從 Google Earth 上下載的圖像，如圖 2.1 所示為帶有水體的可見光圖像：

用來標識圖像中含有的像素塊個數(shù)K，假設(shè)在用SLIC算法進行分割的時候，得出來的超像素塊大小相似，所以在一個具有N個像素點的可見光圖像中，每一個超像素塊中的像素點個數(shù)就是 N K，還要確定每一個超像素塊的中心，只有確定了超像素塊的中心，才能以它的中心為圓心，以兩個超像素塊的距離為半徑，根據(jù)上述超像素個數(shù)和超像素的大小，每隔 S NK距離就會出現(xiàn)一個超像素中心，以兩個S的距離為半徑搜索屬于這個超像素的像素點，像素與超像素塊中心的距離SD 定義如下： 222labkikikid l l a a b b（2-2） 22xykikid x x y y（2-3）SlabxydsmD d （2-4）其中kkkl 、 a、b和iiil 、 a、b分別為每個超像素塊的中心點和待處理像素的lab顏色空間三通道數(shù)值，kkx 、 y和iix 、 y分別為每一個超像素塊中心點和待處理像素的坐標，，SD為lab距離與被S歸一化的xy平面距離之和，可以通過改變變量m 的數(shù)值來改變這個圖像中超像素塊的緊密程度，m 值越大就越緊湊，如圖2.2是用SLIC分割出來的可見光圖像。
【學位授予單位】：哈爾濱工程大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 李鋼;王雷;張仁斌;;基于特征能量加權(quán)的紅外與可見光圖像融合[J];光電工程;2010年03期

2 郭全民;董亮;李代娣;;紅外與可見光圖像融合的汽車抗暈光系統(tǒng)[J];紅外與激光工程;2017年08期

3 劉坤;郭雷;李暉暉;陳敬松;;基于區(qū)域分割的紅外與可見光圖像融合算法的研究(英文)[J];Chinese Journal of Aeronautics;2009年01期

4 葉傳奇;王寶樹;苗啟廣;;一種基于區(qū)域特性的紅外與可見光圖像融合算法[J];光子學報;2009年06期

5 胡謀法;李超;王書宏;;空時域聯(lián)合差分檢測可見光圖像的運動小目標[J];計算機工程與應用;2006年21期

6 江靜;張雪松;蘭西柱;;紅外與可見光圖像互信息法自動配準算法研究[J];華北科技學院學報;2006年04期

7 丁文杉;畢篤彥;何林遠;凡遵林;吳冬鵬;;基于剪切波變換和鄰域結(jié)構(gòu)特征的紅外與可見光圖像融合[J];光學學報;2017年10期

8 舒久明;;一種自適應的紅外與可見光圖像融合算法[J];電子科技;2015年05期

9 趙飛翔;陶忠祥;;基于小波包變換的紅外與可見光圖像融合[J];光學與光電技術(shù);2013年06期

10 楊陽;胡玉蘭;;主成分分析的紅外與可見光圖像特征融合[J];沈陽理工大學學報;2012年04期

相關(guān)會議論文 前10條

1 余萍;張曉芬;;基于變分模型的紅外/可見光圖像配準方法研究[A];2009全國虛擬儀器大會論文集（二）[C];2009年

2 趙云豐;付冬梅;尹怡欣;王嘉;;基于人工免疫的紅外與可見光圖像配準方法[A];2008'中國信息技術(shù)與應用學術(shù)論壇論文集（二）[C];2008年

3 高陽;苗艷龍;李寒;張漫;;基于熱紅外與可見光圖像的馬鈴薯水分脅迫監(jiān)測[A];2018中國作物學會學術(shù)年會論文摘要集[C];2018年

4 張曉杰;;基于循環(huán)平移的復Contourlet域紅外與可見光圖像融合[A];上海市紅外與遙感學會第十九屆學術(shù)年會論文集[C];2014年

5 胡謀法;李超;王書宏;韓建濤;陳曾平;;可見光圖像背景灰度特性:雙高斯混合分布模型[A];第十二屆全國信號處理學術(shù)年會（CCSP-2005）論文集[C];2005年

6 蔣宏;任章;;紅外與可見光圖像配準和融合中的關(guān)鍵技術(shù)[A];2006年全國光電技術(shù)學術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

7 程相正;邵銘;張樂;胡啟立;;幾種可見光圖像與紅外圖像融合方法比較[A];2015光電防御技術(shù)學術(shù)研討會摘要集[C];2015年

8 胡謀法;王書宏;李超;韓建濤;陳曾平;;空時域聯(lián)合去相關(guān)檢測可見光背景下的運動小目標[A];光電技術(shù)與系統(tǒng)文選——中國光學學會光電技術(shù)專業(yè)委員會成立二十周年暨第十一屆全國光電技術(shù)與系統(tǒng)學術(shù)會議論文集[C];2005年

9 楊振鵬;馮勤;王行仁;丁瑩;;虛擬環(huán)境紅外物理模型的研究與實現(xiàn)[A];二○○一年中國系統(tǒng)仿真學會學術(shù)年會論文集[C];2001年

10 張勇;金偉其;;基于結(jié)構(gòu)相似度與感興趣區(qū)域的圖像融合評價方法[A];中國光學學會2010年光學大會論文集[C];2010年

相關(guān)重要報紙文章 前3條

1 陳磊;風云二號C星第一幅可見光圖像成功獲取[N];中國氣象報;2004年

2 記者 宿東;風云二號E星成功獲取第一張可見光圖像[N];中國航天報;2009年

3 ;江門局有效提高旅檢速度[N];中國國門時報;2007年

相關(guān)博士學位論文 前10條

1 李巍;光學復合仿生視覺關(guān)鍵技術(shù)研究[D];北京郵電大學;2019年

2 梁懷丹;空間遙感紅外與可見光圖像快速配準算法研究[D];中國科學院大學(中國科學院長春光學精密機械與物理研究所);2019年

3 沈瑜;基于多尺度幾何分析的紅外與可見光圖像融合方法研究[D];蘭州交通大學;2017年

4 陳艷菲;視覺顯著性計算及其在紅外與可見光圖像融合中的應用[D];華中科技大學;2017年

5 朱攀;紅外與紅外偏振/可見光圖像融合算法研究[D];天津大學;2017年

6 周渝人;紅外與可見光圖像融合算法研究[D];中國科學院研究生院(長春光學精密機械與物理研究所);2014年

7 趙振兵;電氣設(shè)備紅外與可見光圖像的配準方法研究[D];華北電力大學（河北）;2009年

8 宋懷波;低質(zhì)量可見光圖像的處理技術(shù)和識別方法研究[D];山東大學;2009年

9 左羽佳;機載光電平臺紅外與可見光圖像融合系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學院長春光學精密機械與物理研究所;2017年

10 余燁;[D];合肥工業(yè)大學;2010年

相關(guān)碩士學位論文 前10條

1 汪廷;紅外圖像與可見光圖像融合研究與應用[D];西安理工大學;2019年

2 高學志;無人機紅外圖像和可見光圖像配準融合算法研究[D];哈爾濱理工大學;2019年

3 丁鑫;紅外和可見光圖像融合算法研究[D];哈爾濱工程大學;2019年

4 高雪瑩;基于過采樣圖濾波器組的紅外與可見光圖像融合[D];哈爾濱工程大學;2019年

5 葛亞平;多源遙感圖像水體檢測方法研究[D];哈爾濱工程大學;2019年

6 王海彬;基于深度特征的跨模態(tài)行人重識別技術(shù)研究[D];廈門大學;2018年

7 趙令令;基于超列的變電設(shè)備紅外與可見光圖像配準研究[D];華北電力大學;2018年

8 鄒曉光;基于自相似性的紅外和可見光圖像配準算法研究[D];哈爾濱工業(yè)大學;2017年

9 王凱;多傳感器信息融合的行人跟蹤研究[D];西安工業(yè)大學;2018年

10 周麗萍;動態(tài)光視覺的水面目標檢測技術(shù)研究[D];哈爾濱工程大學;2018年

本文編號：2649328