本文選題：高空間分辨率遙感影像 + 分割自適應(yīng)尺度��； 參考：《北京建筑大學(xué)》2017年碩士論文

【摘要】：隨著空間對(duì)地探測(cè)技術(shù)的發(fā)展,遙感衛(wèi)星對(duì)地觀測(cè)有了重大發(fā)展,特別是在高空間分辨率遙感影像(the High Spatial Resolution Remote Sensing Image,以下簡(jiǎn)稱HSRRSI)方面,HSRRSI數(shù)據(jù)量急劇增長(zhǎng)。但是對(duì)應(yīng)的HSRRSI數(shù)據(jù)處理能力發(fā)展相對(duì)緩慢,嚴(yán)重制約著HSRRSI應(yīng)用水平。面向?qū)ο蟮挠跋穹治?Object-Based Image Analysis,以下簡(jiǎn)稱OBIA)為HSRRSI的分割分類提供了一個(gè)全新的思路,影像多尺度分割是OBIA的關(guān)鍵,而分割過(guò)程中分割自適應(yīng)尺度計(jì)算是影像多尺度分割的基礎(chǔ),直接影響著多尺度分割的精度和影像地物目標(biāo)自動(dòng)化提取的效率�，F(xiàn)有的分割尺度參數(shù)計(jì)算方法對(duì)先驗(yàn)經(jīng)驗(yàn)的依賴性較強(qiáng),大多只適用于特定的遙感影像,本文在對(duì)現(xiàn)有尺度計(jì)算方法總結(jié)分析的基礎(chǔ)上,提出了高空間分辨率遙感影像空域尺度計(jì)算以及空域尺度約束條件下的值域尺度計(jì)算,主要研究?jī)?nèi)容如下:(1)分析總結(jié)現(xiàn)有尺度計(jì)算法的應(yīng)用范圍及優(yōu)缺點(diǎn),指出了尺度參數(shù)計(jì)算未來(lái)發(fā)展的趨勢(shì)是自適應(yīng)多尺度的精細(xì)化尺度計(jì)算方法。(2)探討了影像濾波對(duì)HSRRSI分割精度的影響,通過(guò)實(shí)驗(yàn)驗(yàn)證了合適的濾波方法可以在有效消除影像中噪聲信息、增強(qiáng)影像中地物目標(biāo)語(yǔ)義影像內(nèi)部像素信息同質(zhì)性的同時(shí),很好的保留了影像邊緣的細(xì)節(jié)信息,有效提高了HSRRSI的分割精度及效率。(3)由于傳統(tǒng)的Canny邊緣檢測(cè)算法只能對(duì)單通道影像的邊緣進(jìn)行邊緣檢測(cè),本文根據(jù)HSRRSI的特點(diǎn),提出了改進(jìn)的Canny矢量邊緣檢測(cè)算法,通過(guò)實(shí)驗(yàn)證明該算法可以有效提取HSRRSI的矢量邊緣信息。(4)提出了基于矢量邊緣的高空間分辨率遙感影像空域尺度計(jì)算方法及在空域尺度約束條件下的值域尺度計(jì)算方法,并利用均值漂移分割方法對(duì)值域尺度影像進(jìn)行多尺度分割,驗(yàn)證了空域尺度計(jì)算與值域尺度計(jì)算的合理性。
[Abstract]:With the development of space-to-earth detection technology, there has been a great development in remote sensing satellite Earth observation, especially in the aspect of High Spatial Resolution Remote Sensing image (HSRRSI).However, the corresponding HSRRSI data processing ability is relatively slow, which seriously restricts the level of HSRRSI application.Object-Based Image Analysis (Object-Based Image Analysis) provides a new idea for the segmentation and classification of HSRRSI. Multi-scale image segmentation is the key of OBIA, and adaptive scale calculation is the basis of multi-scale segmentation.It directly affects the accuracy of multi-scale segmentation and the efficiency of automatic object extraction.The existing methods for calculating the parameters of segmentation scale are highly dependent on prior experience, and most of them are only suitable for specific remote sensing images. In this paper, based on the summary and analysis of the existing methods of scale calculation,The spatial scale calculation of high spatial resolution remote sensing image and the range scale calculation under the constraint of spatial scale are put forward. The main research contents are as follows: 1) the scope of application, advantages and disadvantages of the existing scale calculation method are analyzed and summarized.It is pointed out that the development trend of scale parameter calculation in the future is adaptive multi-scale finer scale calculation method. The influence of image filtering on HSRRSI segmentation accuracy is discussed.The experiments show that the proper filtering method can effectively eliminate the noise information in the image, enhance the homogeneity of the pixel information in the semantic image of the ground object, and at the same time preserve the details of the edge of the image.Because the traditional Canny edge detection algorithm can only detect the edge of single channel image, according to the characteristics of HSRRSI, an improved Canny vector edge detection algorithm is proposed in this paper.It is proved by experiments that the algorithm can effectively extract vector edge information from HSRRSI.) the spatial scale calculation method of high spatial resolution remote sensing image based on vector edge and the range scale calculation method under the condition of spatial scale constraint are proposed.The multi-scale segmentation of range scale image is carried out by means of mean shift segmentation method, which verifies the rationality of spatial scale calculation and range scale calculation.
【學(xué)位授予單位】：北京建筑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：P237

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳曉;唐詩(shī)華;;改進(jìn)的中值濾波在圖像去噪中的應(yīng)用[J];地理空間信息;2015年06期

2 方政;胡曉輝;陳永;;基于多方向中值濾波的各向異性擴(kuò)散濾波算法[J];計(jì)算機(jī)工程與應(yīng)用;2017年04期

3 姒紹輝;胡伏原;顧亞軍;鮮學(xué)豐;;一種基于不規(guī)則區(qū)域的高斯濾波去噪算法[J];計(jì)算機(jī)科學(xué);2014年11期

4 丁月平;史玉峰;;高空間分辨率遙感影像分類最優(yōu)分割尺度[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

5 朱士虎;游春霞;;一種改進(jìn)的均值濾波算法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年12期

6 李佐勇;湯可宗;胡錦美;林亞明;;椒鹽圖像的方向加權(quán)均值濾波算法[J];中國(guó)圖象圖形學(xué)報(bào);2013年11期

7 丁文;李勃;陳啟美;;Canny色彩邊緣檢測(cè)及分類新方法[J];北京郵電大學(xué)學(xué)報(bào);2012年01期

8 魯恒;李永樹(shù);唐敏;;面向?qū)ο蟮纳降貐^(qū)域多源遙感影像分割尺度選擇及評(píng)價(jià)[J];山地學(xué)報(bào);2011年06期

9 李秦;高錫章;張濤;劉錕;龔劍明;;最優(yōu)分割尺度下的多層次遙感地物分類實(shí)驗(yàn)分析[J];地球信息科學(xué)學(xué)報(bào);2011年03期

10 韓鵬;龔健雅;李志林;柏延臣;程亮;;遙感影像分類中的空間尺度選擇方法研究[J];遙感學(xué)報(bào);2010年03期

相關(guān)博士學(xué)位論文 前1條

1 劉建華;高空間分辨率遙感影像自適應(yīng)分割方法研究[D];福州大學(xué);2011年

相關(guān)碩士學(xué)位論文 前1條

1 劉迪;基于圖像特征的各向異性擴(kuò)散濾波算法研究[D];西南交通大學(xué);2014年

，

本文編號(hào)：1752247