本文關(guān)鍵詞：高分辨率遙感影像近海岸承災(zāi)體目標(biāo)識(shí)別方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：海洋災(zāi)害給國民經(jīng)濟(jì)和沿海居民的生命財(cái)產(chǎn)安全造成了巨大的損失與影響。歷年關(guān)于海洋災(zāi)害損失信息的獲取,都是當(dāng)?shù)睾Ｑ蟛块T通過實(shí)地調(diào)查、逐級(jí)上報(bào)的方式完成,需要耗費(fèi)大量的財(cái)力和時(shí)間。隨著航天技術(shù)和傳感器技術(shù)的迅速發(fā)展,航空相機(jī)等所獲取的地面影像的分辨率也越來越高,并且可以獲得全天候,全方位,實(shí)時(shí)的觀測數(shù)據(jù)。因此,采用遙感手段對(duì)自然災(zāi)害情況進(jìn)行快速監(jiān)測成為目前遙感領(lǐng)域的研究熱點(diǎn)之一。本文以近海岸的典型承災(zāi)體目標(biāo)為研究對(duì)象,對(duì)高分辨率遙感影像中承災(zāi)體目標(biāo)的識(shí)別方法進(jìn)行了研究。首先將本文所利用到的三種特征進(jìn)行詳細(xì)的介紹,然后在實(shí)現(xiàn)對(duì)特征提取的基礎(chǔ)上,本文提出了一種多特征加權(quán)概率融合的承災(zāi)體目標(biāo)的識(shí)別方法:利用支持向量機(jī)分別對(duì)每一種特征進(jìn)行分類;利用不同特征輸出的支持向量機(jī)分類結(jié)果來分別計(jì)算每個(gè)特征的特征權(quán)重以及每個(gè)樣本的分類確定性;最后綜合特征權(quán)重、分類確定性以及SVM概率輸出結(jié)果,通過最大后驗(yàn)概率進(jìn)行類別判定,完成對(duì)承災(zāi)體目標(biāo)物的提取。針對(duì)線性承災(zāi)體目標(biāo)受災(zāi)區(qū)段損毀差異性大,沒有固定的光譜變化模式,以及由此產(chǎn)生的難以精確識(shí)別提取的問題,本文提出一種基于梯度主方向確定性的線性目標(biāo)損毀區(qū)段識(shí)別方法。該方法利用單一時(shí)相的遙感影像,結(jié)合歷史矢量信息,在矢量數(shù)據(jù)的引導(dǎo)下,計(jì)算每個(gè)檢測窗口覆蓋下的圖像區(qū)域內(nèi)的梯度主方向確定性值,并將梯度主方向確定性值與損毀閾值進(jìn)行比較,以此判定該區(qū)域是否發(fā)生損毀。為了測試該方法的可行性,采用了兩個(gè)不同區(qū)域的高分辨率航拍遙感影像對(duì)該模型進(jìn)行驗(yàn)證,試驗(yàn)結(jié)果表明該方法簡便有效,能夠準(zhǔn)確地檢測出線性目標(biāo)的損毀區(qū)段。
【關(guān)鍵詞】：目標(biāo)識(shí)別 多特征提取 特征權(quán)重 概率融合 梯度主方向確定性
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：X43;TP79
【目錄】：

• 摘要2-3
• abstract3-7
• 1 緒論7-12
• 1.1 課題研究背景和意義7-8
• 1.1.1 課題研究背景7
• 1.1.2 課題研究意義7-8
• 1.2 遙感影像目標(biāo)識(shí)別方法研究現(xiàn)狀8-9
• 1.3 本文的主要工作9-10
• 1.4 本文的各章節(jié)安排10-12
• 2 高分辨率遙感影像特征提取和表達(dá)12-24
• 2.1 引言12
• 2.2 HOG特征12-14
• 2.2.1 歸一化圖像顏色空間12-13
• 2.2.2 計(jì)算梯度值13
• 2.2.3 構(gòu)建細(xì)胞單元的梯度方向直方圖13-14
• 2.2.4 由細(xì)胞單元組合成大的區(qū)塊14
• 2.3 LBP特征14-17
• 2.3.1 基本的LBP特征15
• 2.3.2 擴(kuò)展的LBP特征15-16
• 2.3.3 旋轉(zhuǎn)不變LBP特征16-17
• 2.4 顏色特征17-22
• 2.4.1 顏色模型17-20
• 2.4.2 顏色量化20-21
• 2.4.3 顏色直方圖21-22
• 2.5 試驗(yàn)與分析22-23
• 2.6 本章小結(jié)23-24
• 3 基于多特征加權(quán)概率融合的目標(biāo)分類識(shí)別24-38
• 3.1 引言24-25
• 3.2 支持向量機(jī)25-29
• 3.2.1 SVM概率輸出28
• 3.2.2 SVM分類確定性28-29
• 3.3 多特征加權(quán)概率融合模型29-30
• 3.3.1 特征權(quán)重29
• 3.3.2 融合模型建立29-30
• 3.4 試驗(yàn)與分析30-36
• 3.4.1 試驗(yàn)數(shù)據(jù)簡介30-31
• 3.4.2 試驗(yàn)樣本和參數(shù)設(shè)置31-32
• 3.4.3 試驗(yàn)結(jié)果與分析32-36
• 3.5 本章小結(jié)36-38
• 4 基于梯度主方向確定性的線形目標(biāo)損毀區(qū)段識(shí)別38-48
• 4.1 引言38-40
• 4.2 邊緣檢測40
• 4.3 梯度主方向確定性40-42
• 4.3.1 影像梯度40-41
• 4.3.2 梯度主方向確定性41-42
• 4.4 試驗(yàn)與分析42-47
• 4.4.1 碼頭損毀段識(shí)別42-44
• 4.4.2 道路損毀段識(shí)別44-47
• 4.5 本章小結(jié)47-48
• 5 總結(jié)與展望48-50
• 5.1 總結(jié)48
• 5.2 創(chuàng)新點(diǎn)48
• 5.3 展望48-50
• 致謝50-51
• 參考文獻(xiàn)51-56
• 攻讀碩士期間取得的成果56

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 李大洪;地質(zhì)雷達(dá)目標(biāo)識(shí)別方法述評(píng)[J];煤炭科學(xué)技術(shù);2000年05期

2 ;[J];;年期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前9條

1 張艷寧;趙榮椿;梁怡;;一種有效的圖像目標(biāo)識(shí)別方法[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（下冊(cè)）[C];2002年

2 肖懷鐵;郭雷;付強(qiáng);;一種新的模糊支持矢量機(jī)多目標(biāo)識(shí)別方法[A];第十二屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

3 任文君;蘇開娜;;一種復(fù)雜背景下基于知識(shí)的目標(biāo)識(shí)別方法的研究[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會(huì)論文集[C];1998年

4 張純;許楓;;基于運(yùn)動(dòng)特征的水下蛙人目標(biāo)識(shí)別方法[A];中國聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2011年全國水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2011年

5 陶志國;姜一暉;柳鵬;;基于BP神經(jīng)網(wǎng)絡(luò)的飛機(jī)目標(biāo)識(shí)別方法研究[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2006年

6 張峰;薛青;;基于貝葉斯網(wǎng)絡(luò)的戰(zhàn)場目標(biāo)識(shí)別方法研究[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

7 張冬英;洪津;王峰;駱冬根;邱成峰;;基于灰度直方圖的暗目標(biāo)識(shí)別方法[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

8 晉朝勃;胡剛強(qiáng);史廣智;李玉陽;;一種采用支持向量機(jī)的水中目標(biāo)識(shí)別方法[A];中國聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2011年全國水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2011年

9 何心怡;蔣興舟;;基于脈寬延伸與多普勒效應(yīng)的目標(biāo)識(shí)別方法[A];中國聲學(xué)學(xué)會(huì)2001年青年學(xué)術(shù)會(huì)議[CYCA'01]論文集[C];2001年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 白剛浩;基于視覺注意和局部不變性特征相結(jié)合的目標(biāo)識(shí)別技術(shù)研究[D];浙江大學(xué);2015年

2 湯曉;基于復(fù)雜網(wǎng)絡(luò)的圖像目標(biāo)識(shí)別方法研究[D];廣東工業(yè)大學(xué);2013年

3 王光偉;基于非對(duì)稱逆布局模型的目標(biāo)識(shí)別方法研究[D];華中科技大學(xué);2012年

4 邢學(xué)敏;CRInSAR與PSInSAR聯(lián)合監(jiān)測礦區(qū)時(shí)序地表形變研究[D];中南大學(xué);2011年

5 陳振學(xué);基于特征顯著性的目標(biāo)識(shí)別方法及其應(yīng)用研究[D];華中科技大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 羅飛揚(yáng);基于局部相似結(jié)構(gòu)統(tǒng)計(jì)匹配模型的紅外目標(biāo)識(shí)別方法[D];南京理工大學(xué);2015年

2 武俊;復(fù)雜環(huán)境中特定目標(biāo)識(shí)別方法研究[D];上海交通大學(xué);2015年

3 楊紅葉;基于圖像差異性特征描述的目標(biāo)識(shí)別方法及其應(yīng)用[D];華北電力大學(xué);2015年

4 楊慧;融合RGB特征和Depth特征的3D目標(biāo)識(shí)別方法研究[D];合肥工業(yè)大學(xué);2015年

5 卜定欣;基于LabVIEW的靜電信號(hào)采集和目標(biāo)識(shí)別方法的實(shí)現(xiàn)[D];江蘇大學(xué);2016年

6 胡大盟;圖像輪廓的特征描述及其單目標(biāo)識(shí)別方法研究[D];蘇州大學(xué);2016年

7 薛陶蓓;基于LARK和近鄰結(jié)構(gòu)匹配的紅外目標(biāo)識(shí)別方法[D];南京理工大學(xué);2016年

8 朱閃閃;基于超聲陣列聲場仿真平臺(tái)的目標(biāo)識(shí)別方法研究[D];西南科技大學(xué);2016年

9 鄭藝惟;高分辨率遙感影像近海岸承災(zāi)體目標(biāo)識(shí)別方法研究[D];西安科技大學(xué);2016年

10 潘偉;基于重構(gòu)的目標(biāo)識(shí)別方法在人臉及雷達(dá)數(shù)據(jù)庫上的應(yīng)用研究[D];西安電子科技大學(xué);2012年

  本文關(guān)鍵詞：高分辨率遙感影像近海岸承災(zāi)體目標(biāo)識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：282383