【摘要】：遙感建筑物圖像分析解譯在土地規(guī)劃和管理、自然災(zāi)害動態(tài)監(jiān)測、土地環(huán)境污染監(jiān)測,以及軍事動態(tài)監(jiān)測等方面都有著極其重要的意義。針對遙感建筑物圖像郊外大視場場景復(fù)雜,建筑物目標稀疏分布、郊外建筑物呈現(xiàn)分布式目標、及高時效檢測等需求,本文提出了一種基于視覺注意計算模型的遙感郊外建筑區(qū)檢測技術(shù),研究的主要算法關(guān)鍵內(nèi)容如下:首先,本文提出了一種基于積分圖模型的復(fù)雜遙感建筑區(qū)初步篩選算法。針對建筑區(qū)紋理結(jié)構(gòu)復(fù)雜的特點及高時效檢測的需求,本文構(gòu)建了一種基于紋理積分圖構(gòu)建梯度積分圖建筑區(qū)模板,從而獲取建筑區(qū)初步分割二值圖,實現(xiàn)建筑區(qū)的粗略篩選。首先通過建筑區(qū)邊界的梯度積分圖計算,然后進行基于梯度積分圖的建筑區(qū)模板獲取,最終獲得基于紋理積分圖的建筑區(qū)篩選初步結(jié)果圖。其次,本文構(gòu)建了一種基于上下文感知視覺注意計算模型的郊外遙感建筑物候選區(qū)提取算法。針對大視場遙感建筑物圖像場景復(fù)雜易混、目標稀疏分布以及郊外建筑物呈現(xiàn)分布式目標的特點,本文通過結(jié)合快速視覺注意提取和上下文感知模型實現(xiàn)了建筑物疑似區(qū)的高效篩選。首先通過底層初級特征顯著性的單尺度局部特點獲取初步候選區(qū),然后通過結(jié)構(gòu)相似性及全局多尺度聚焦原則獲取可視顯著性候選區(qū),再利用上下文貝葉斯網(wǎng)絡(luò)進行建筑區(qū)分布式目標的精細提取,最后通過整合全局及局部的顯著性得到最終目標建筑物顯著圖。再次,本文設(shè)計了一種基于多類高層結(jié)構(gòu)特征的建筑物候選區(qū)精確鑒別算法。針對建筑區(qū)檢測的多變稀疏分布場景及郊外建筑物的復(fù)雜場景結(jié)構(gòu)特征的特點,本文提出了一種構(gòu)建多類高層結(jié)構(gòu)特征結(jié)合單分類器鑒別模型進行虛警剔除的方法,從而鑒別出最終的建筑區(qū)。該模型彌補了單一特征結(jié)合分類器模型對復(fù)雜場景的弱魯棒性的缺點,不僅完成了對建筑區(qū)的可靠檢測,還可對高難度稀疏分布的建筑物實現(xiàn)精確檢測。最后,綜合以上三個關(guān)鍵步驟,本文構(gòu)建了一套完整的基于視覺注意計算模型的郊外建筑物檢測系統(tǒng)。本文采用多層次、多角度的實驗驗證手段對所提出的模型及方法進行驗證分析,實現(xiàn)了在復(fù)雜大視場條件下的郊外遙感建筑物高時效、精確檢測效果。
【圖文】：

驗判讀或半自動處理階段［％１３＿１４］。其次，有別于地物分類、測繪等時效性要求較逡逑弱的遙感圖像解譯應(yīng)用［４］，郊外建筑物檢測在軍用及反恐等應(yīng)急應(yīng)用中有較高的逡逑時效性要求。如圖１－１所示，，因此，在利用先進遙感手段進行郊外建筑物檢測中，逡逑進行自動化程度高、時效性強的檢測方法研宄己成為該領(lǐng)域的主要發(fā)展趨勢之逡逑＇邋０逡逑對郊外大范圍遙感圖像區(qū)域的進行建筑物檢測，在違章建筑監(jiān)測、土地利用逡逑變更監(jiān)測、反恐維穩(wěn)、及軍事偵察等諸多重要領(lǐng)域都有著迫切需求ｆ＜ｗ２３。在國民逡逑經(jīng)濟發(fā)展方面，隨著我國經(jīng)濟的快速發(fā)展，建筑用地急劇增加和耕地資源迅速減逡逑少，使得土地利用動態(tài)變化監(jiān)測顯得尤為重要。其中，城區(qū)中建筑用地的監(jiān)測相逡逑對容易；但郊外建筑物，特別是廣大郊外區(qū)域的違章建筑，如退耕違建的廠房及逡逑住宅屬性建筑物等往往難于發(fā)現(xiàn)和監(jiān)測。傳統(tǒng)的人工巡g嗖夥椒何薹ㄊ視�。辶x顯誥掠τ梅矯媯夜降賾耄保錘齬醫(yī)尤潰氬簧倭詮嬖諏焱輛婪�，边緵_義瞎臘踩問埔斐Ｑ暇�。染|昀叢謚泄頭坡殺穌曰蒲業(yè)夯治侍獾惱隋義洗櫻保梗梗紡昕季鴕恢庇心Σ�，謨梢d形唇餼齦夢侍�。为获抵i鉸災(zāi)鞫�、维护辶x媳呔車厙焱鐐暾�，对争议边境敏感区域新札_木肷詒窘姓觳榫拖緣糜儒義銜匾�。葰g

本文編號：2703979