本文關(guān)鍵詞：遙感影像航行方位物提取技術(shù)研究

  更多相關(guān)文章： 航行方位物提取 視覺注意機(jī)制 Hough變換 多峰灰度直方圖 Snake模型

【摘要】：航行方位物是船舶航行中判定方位或指示目標(biāo)而選定的明顯的固定地物,是海岸帶的重要組成部分。本文針對我國海岸帶地理空間信息獲取能力較為薄弱的現(xiàn)狀,主要圍繞如何快速有效地從遙感影像中提取航行方位物(油罐、碼頭和防波堤)目標(biāo)展開研究,主要的工作和創(chuàng)新點(diǎn)如下：(1)在分析我國高空間分辨率衛(wèi)星影像發(fā)展現(xiàn)狀以及用于海岸帶地形圖等圖種測繪時(shí)航行目標(biāo)要素信息提取方法存在明顯不足的基礎(chǔ)上,明確了航行方位物的內(nèi)容界定,闡述了航行方位物提取的研究背景和意義,分析了國內(nèi)外航行方位物國內(nèi)外的研究現(xiàn)狀和提取過程中所面臨的問題和困難。(2)分析了遙感影像地物的相關(guān)特征。針對近岸航行方位物的油罐目標(biāo)提取中Hough變換圓檢測的基本理論進(jìn)行介紹,并對航行方位物中的圖像分割和輪廓提取中的Snake模型的理論和方法進(jìn)行了論述。(3)針對傳統(tǒng)的Hough變換用于油罐目標(biāo)提取效率低的問題,提出了一種基于視覺注意機(jī)制和Hough變換融合的遙感影像油罐提取方法。在對圖像顯著性特征和油罐顯著性區(qū)域進(jìn)行分析的基礎(chǔ)上,重點(diǎn)介紹了基于視覺注意機(jī)制的油罐目標(biāo)顯著性區(qū)域計(jì)算方法,利用視覺注意機(jī)制獲取油罐目標(biāo)顯著性區(qū)域,然后對顯著性區(qū)域進(jìn)行Hough變換的圓檢測實(shí)現(xiàn)油罐目標(biāo)的提取。試驗(yàn)結(jié)果表明,本文的方法具有提取效率高、精度可靠的特點(diǎn)。(4)分析了碼頭和防波堤的影像特征,提出了基于多峰灰度直方圖閾值分割的碼頭和防波堤提取方法,改進(jìn)了基于Snake模型的碼頭和防波堤的提取方法,并通過提取試驗(yàn)驗(yàn)證和分析了論文中采用的兩種提取方法的可靠性。
【關(guān)鍵詞】：航行方位物提取 視覺注意機(jī)制 Hough變換 多峰灰度直方圖 Snake模型
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：U675.7
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-14
• 1.1 研究的背景及意義8-9
• 1.2 遙感影像航行方位物提取技術(shù)研究現(xiàn)狀9-12
• 1.2.1 遙感影像油罐目標(biāo)提取技術(shù)9-10
• 1.2.2 遙感影像碼頭提取技術(shù)10-11
• 1.2.3 遙感影像防波堤提取技術(shù)11-12
• 1.2.4 存在的問題12
• 1.3 論文研究的主要內(nèi)容12-14
• 第二章 航行方位物提取基礎(chǔ)理論14-24
• 2.1 遙感影像的地物特征描述14-15
• 2.2 Hough變換基本理論15-16
• 2.3 圖像分割算法分類16-20
• 2.3.1 基于閾值選取的分割算法17-18
• 2.3.2 基于區(qū)域的圖像分割算法18-19
• 2.3.3 基于圖像邊緣檢測的分割算法19-20
• 2.4 Snake模型20-23
• 2.4.1 Snake模型的數(shù)學(xué)表示20-22
• 2.4.2 Snake模型的收斂方法22-23
• 2.5 本章小結(jié)23-24
• 第三章 遙感影像油罐目標(biāo)提取24-40
• 3.1 視覺注意機(jī)制原理24-25
• 3.2 圖像顯著性特征描述25-27
• 3.2.1 顏色特征26
• 3.2.2 亮度特征26-27
• 3.2.3 紋理特征27
• 3.2.4 邊緣特征27
• 3.3 遙感影像油罐視覺顯著性特征分析27-30
• 3.4 油罐目標(biāo)顯著性區(qū)域計(jì)算30-35
• 3.4.1 自底向上顯著圖計(jì)算31-33
• 3.4.2 自頂向下顯著圖計(jì)算33-34
• 3.4.3 全局顯著圖計(jì)算34-35
• 3.5 Hough變換圓形檢測35-36
• 3.6 實(shí)驗(yàn)與分析36-39
• 3.7 本章小結(jié)39-40
• 第四章 遙感影像碼頭和防波堤目標(biāo)提取40-64
• 4.1 遙感影像碼頭和防波堤特征分析40-41
• 4.2 圖像濾波41-43
• 4.2.1 空間域去噪算法41-42
• 4.2.2 變換域去噪算法42-43
• 4.3 基于多峰灰度直方圖分割的遙感影像碼頭和防波堤提取43-53
• 4.3.1 感興趣區(qū)域獲取44-45
• 4.3.2 直方圖閡值分割方法45-47
• 4.3.3 基于多峰灰度直方圖的閾值分割47-49
• 4.3.4 邊緣提取49-50
• 4.3.5 實(shí)驗(yàn)與分析50-53
• 4.4 基于改進(jìn)Snake模型的遙感影像碼頭和防波堤提取53-63
• 4.4.1 GVF Snake模型的基本原理54-55
• 4.4.2 主動(dòng)輪廓模型實(shí)驗(yàn)分析55-57
• 4.4.3 基于GVF Snake模型的目標(biāo)輪廓提取57-61
• 4.4.4 實(shí)驗(yàn)與分析61-63
• 4.5 本章小結(jié)63-64
• 第五章 總結(jié)與展望64-66
• 5.1 已完成工作的總結(jié)64
• 5.2 下一步工作的展望64-66
• 致謝66-67
• 參考文獻(xiàn)67-71
• 作者簡歷71

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王威;曾小能;;圖像分割技術(shù)研究與應(yīng)用[J];計(jì)算機(jī)時(shí)代;2015年01期

2 羅麗霞;;基于遺傳算法的Ostu圖像分割方法[J];河北北方學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年06期

3 鄭忠;謝健輝;;海洋測繪技術(shù)的現(xiàn)狀及最新進(jìn)展[J];海洋與漁業(yè);2014年09期

4 李潤生;曹聞;王永生;;視覺認(rèn)知理論在遙感影像道路網(wǎng)提取中的應(yīng)用[J];信息工程大學(xué)學(xué)報(bào);2014年04期

5 鄭毅;鄭蘋;;基于模糊熵和模擬退火算法的雙閾值圖像分割[J];電子測量與儀器學(xué)報(bào);2014年04期

6 肖傳民;史澤林;夏仁波;武偉;;一種基于視覺顯著性的邊緣檢測算法[J];信息與控制;2014年01期

7 趙丹培;肖騰蛟;史駿;姜志國;;基于顯著語義模型的機(jī)場與油庫目標(biāo)的識(shí)別方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年01期

8 李軍;袁伶俐;;全球海洋資源開發(fā)現(xiàn)狀和趨勢綜述[J];國土資源情報(bào);2013年12期

9 劉欣欣;李雪;王瓊;;基于灰度直方圖的多閾值分割法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年12期

10 楚曉麗;;K-Means聚類算法和人工魚群算法應(yīng)用于圖像分割技術(shù)[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2013年04期

，

本文編號(hào)：577485