【摘要】：建筑物是主要地理要素,是地表的重要組成和現(xiàn)代城市的發(fā)展標(biāo)志,與人類生產(chǎn)生活關(guān)系密不可分,同時,建筑物也是遙感影像信息提取的重要研究目標(biāo)之一。由于高分辨率遙感影像具有能夠清楚反映海量地物細(xì)節(jié)信息,解析能力較強(qiáng),覆蓋范圍更廣,更新周期較快等明顯特點,使用高分辨率遙感影像作為遙感信息提取的數(shù)據(jù)源能夠取得較好效果,獲取目標(biāo)地物。因此,本文以面向?qū)ο蟮母叻直媛蔬b感影像信息提取作為研究目標(biāo),以建筑物作為信息提取的研究對象,進(jìn)行了面向?qū)ο蟮母叻直媛蔬b感影像建筑物提取方法研究。主要研究成果及結(jié)論如下。(1)以SRG區(qū)域生長影像分割算法為基礎(chǔ),以提高分割效率、改善分割結(jié)果為目的,對區(qū)域生長中的生長準(zhǔn)則和生長方式進(jìn)行了研究。首先提出了利用高分辨率遙感影像的光譜信息計算區(qū)域生長中的生長準(zhǔn)則,其次對SRG區(qū)域生長算法中的生長方式進(jìn)行了改進(jìn),通過實驗實現(xiàn)了高分辨率遙感影像分割,獲取了影像對象。(2)影像對象是面向?qū)ο笮畔⑻崛〉幕A(chǔ)。本文根據(jù)建筑物在高分辨率遙感影像上的具體表現(xiàn),總結(jié)了建筑物對象的主要特征,包括建筑物在光譜、紋理、幾何等方面的特征,建立了建筑物特征分類體系,并提出了一種提取高分辨率影像上影像對象的紋理-幾何特征的方法。在特征提取方法中,首先改進(jìn)了灰度共生矩陣計算方式,提取了能夠更好地描述建筑物紋理信息的紋理特征,計算了相應(yīng)的紋理統(tǒng)計量,同時提取了能夠描述建筑物外形并有效地將建筑物與其他地物進(jìn)行區(qū)分的幾何特征,最后結(jié)合兩種特征選擇了8個具有代表性的特征值參數(shù)對影像對象尤其是建筑物進(jìn)行綜合描述。(3)提出了一種結(jié)合影像對象的紋理-幾何特征與K均值分類思想的面向?qū)ο蠼ㄖ锾崛》椒�。該方法能夠根�?jù)影像對象的特征及不同對象特征之間的差異對符合建筑物特性的特征進(jìn)行分析判別,有效地將對象進(jìn)行聚類,從而得到所需的建筑物信息。在實驗部分選取了兩組優(yōu)秀的國內(nèi)外高分辨率影像作為實驗數(shù)據(jù),包括國內(nèi)的高分二號影像和國外的Pleiades高分辨率衛(wèi)星影像,選擇了基于規(guī)則的分類方法作為對比算法進(jìn)行面向?qū)ο蠼ㄖ锾崛嶒�。首先利用本文分割方法提取了影像對�?其次計算了影像對象的紋理-幾何特征,并將對象特征應(yīng)用于K均值影像分類,最終成功地提取了實驗影像上的建筑物信息,并對實驗結(jié)果以及基于規(guī)則分類方法的實驗結(jié)果進(jìn)行了比較、分析和評價,證明了本文所提出的面向?qū)ο蠼ㄖ锾崛》椒ǖ挠行院涂尚行浴?br/>[Abstract]:Buildings are the main geographical elements, the important composition of the surface and the development symbol of modern cities, and are closely related to human production and life. At the same time, buildings are also one of the important research objectives of remote sensing image information extraction. Because the high-resolution remote sensing image can clearly reflect the massive detail information of the ground object, it has the advantages of strong analytical ability, wider coverage, faster updating period, and so on. Using high resolution remote sensing image as the data source of remote sensing information extraction can achieve good results and obtain target features. Therefore, the object oriented high resolution remote sensing image information extraction is taken as the research goal, and the building is taken as the research object of information extraction, and the object oriented high resolution remote sensing image building extraction method is studied in this paper. The main research results and conclusions are as follows: (1) based on the SRG region growing image segmentation algorithm, the growth criteria and growth patterns in the region growth are studied in order to improve the segmentation efficiency and the segmentation results. Firstly, the growth criterion of high resolution remote sensing image is proposed, then the growth mode of SRG region growth algorithm is improved, and the segmentation of high resolution remote sensing image is realized through experiments. The image object is obtained. (2) Image object is the basis of object oriented information extraction. According to the concrete performance of buildings in high-resolution remote sensing images, this paper summarizes the main features of building objects, including the spectral, texture and geometric features of buildings, and establishes a building feature classification system. A method for extracting texture-geometry features from high-resolution images is proposed. In the feature extraction method, we first improve the calculation method of gray level co-occurrence matrix, extract the texture features which can better describe the building texture information, and calculate the corresponding texture statistics. At the same time, the geometric features which can describe the shape of the building and effectively distinguish the building from other features are extracted. Finally, eight representative eigenvalue parameters are selected to describe the image object, especially the buildings. (3) an idea of combining texture-geometric feature and K-means classification of image object is proposed. Object-oriented building extraction method. Based on the features of image objects and the differences between the features of different objects, the method can analyze and distinguish the features that accord with the characteristics of buildings, and effectively cluster the objects to obtain the required building information. In the experiment part, two groups of excellent high-resolution images at home and abroad are selected as experimental data, including high-score 2 images in China and Pleiades high-resolution satellite images in foreign countries. The rule-based classification method is selected as the contrast algorithm for object-oriented building extraction experiment. Firstly, the image object is extracted by using the segmentation method in this paper. Secondly, the texture-geometry feature of the image object is calculated, and the object feature is applied to the classification of the K-means image. Finally, the building information on the experimental image is extracted successfully. The experimental results and the experimental results based on the rule classification method are compared, analyzed and evaluated, which proves the effectiveness and feasibility of the object-oriented building extraction method proposed in this paper.
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李新蓉;面向?qū)ο蟮睦^承機(jī)制[J];山西師大學(xué)報(自然科學(xué)版);1998年01期

2 陳軼聰;;面向?qū)ο蟮挠唵蜗到y(tǒng)設(shè)計[J];實驗科學(xué)與技術(shù);2006年01期

3 譚鋒;;用C#實現(xiàn)面向?qū)ο蟮亩鄳B(tài)性[J];科技信息(學(xué)術(shù)研究);2008年32期

4 汪作文;;試論面向?qū)ο蟮脑O(shè)計模式[J];科技信息;2009年28期

5 馬金星;竇小磊;;面向?qū)ο蟮目萍假Y源信息服務(wù)平臺的研究[J];科技風(fēng);2010年17期

6 宋中山;面向?qū)ο蟮木幊谭椒╗J];中南民族學(xué)院學(xué)報(自然科學(xué)版);1994年01期

7 楊蓉,余炎;面向?qū)ο蟮木幊碳夹g(shù)[J];國外科技動態(tài);1998年05期

8 于紀(jì)波;淺析面向?qū)ο蟮幕靖拍頪J];太原科技;2003年02期

9 曾瑞;胡建華;;運(yùn)用面向?qū)ο蟮姆椒ㄔO(shè)計多維立方體[J];云南師范大學(xué)學(xué)報(自然科學(xué)版);2007年04期

10 蘭方鵬;;面向?qū)ο蟮木�型庫設(shè)計與實現(xiàn)[J];科技資訊;2007年33期

相關(guān)會議論文 前10條

1 全天彤;;采用面向?qū)ο蟮姆椒ㄔO(shè)計一個圖形工具系統(tǒng)[A];面向21世紀(jì)的科技進(jìn)步與社會經(jīng)濟(jì)發(fā)展（上冊）[C];1999年

2 王愛玲;王俊元;丁愛玲;;面向?qū)ο蟮纳a(chǎn)系統(tǒng)反求及應(yīng)用[A];面向制造業(yè)的自動化與信息化技術(shù)創(chuàng)新設(shè)計的基礎(chǔ)技術(shù)——2001年中國機(jī)械工程學(xué)會年會暨第九屆全國特種加工學(xué)術(shù)年會論文集[C];2001年

3 吳婷婷;朱煜;楊博;;面向?qū)ο蟮挠嬃抗芾硇畔⑾到y(tǒng)設(shè)計[A];面向航空試驗測試技術(shù)——2013年航空試驗測試技術(shù)峰會暨學(xué)術(shù)交流會論文集[C];2013年

4 石祥濱;張斌;鄭懷遠(yuǎn);;一種面向?qū)ο蟮牟樵兇鷶?shù):R代數(shù)[A];數(shù)據(jù)庫研究與進(jìn)展95——第十三屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1995年

5 姜躍平;董繼潤;;一種面向?qū)ο蟮闹鲃右?guī)則機(jī)制[A];第十二屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1994年

6 劉先進(jìn);;基于面向?qū)ο蟮你y行應(yīng)用前置系統(tǒng)架構(gòu)設(shè)計[A];全國第十五屆計算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

7 王傳國;董逸生;;一種面向?qū)ο蟮年P(guān)系數(shù)據(jù)庫設(shè)計方法[A];第十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1992年

8 于小紅;朱祥華;;面向?qū)ο蟮募夹g(shù)在傳輸資源管理系統(tǒng)開發(fā)中的應(yīng)用[A];全國計算機(jī)網(wǎng)絡(luò)應(yīng)用年會論文集（2001）[C];2001年

9 倪志偉;賈瑞玉;;面向?qū)ο蟮目蚣芙Y(jié)構(gòu)設(shè)計[A];1995年中國控制會議論文集（下）[C];1995年

10 魏泳濤;于建華;陳君楷;;面向?qū)ο蟮挠邢拊绦蛟O(shè)計方法[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊）[C];2001年

相關(guān)重要報紙文章 前6條

1 本報記者 崔恩慧;如何“玩轉(zhuǎn)”高分辨率遙感技術(shù)?[N];中國航天報;2014年

2 張鵬英;國產(chǎn)遙感影像迎來共享時代[N];科技日報;2013年

3 張玉惠;EV——GLOBE成功應(yīng)用于遼寧電網(wǎng)建設(shè)[N];中國測繪報;2010年

4 彭舒;遙感影像幾何和光譜高精度重建技術(shù)獲突破[N];中國測繪報;2013年

5 記者 吳晶晶;我用遙感影像發(fā)現(xiàn)3處油跡帶[N];新華每日電訊;2014年

6 李禾;我首顆環(huán)境衛(wèi)星傳回遙感影像[N];科技日報;2008年

相關(guān)博士學(xué)位論文 前10條

1 張曉琳;面向?qū)ο蟮腦ML數(shù)據(jù)管理技術(shù)研究[D];東北大學(xué);2006年

2 馬海民;基于面向?qū)ο蟮母咚勹F路網(wǎng)絡(luò)資源時空GIS研究[D];蘭州交通大學(xué);2009年

3 魏泳濤;面向?qū)ο蟮挠邢拊绦蛟O(shè)計方法[D];四川大學(xué);2000年

4 毛明毅;面向?qū)ο蟮膹V義空間邏輯運(yùn)算模型與推理研究[D];西北工業(yè)大學(xué);2006年

5 霍宏;生物視覺啟發(fā)的高分辨率遙感影像特征提取與目標(biāo)檢測研究[D];上海交通大學(xué);2014年

6 沈小樂;視覺注意機(jī)制下面向?qū)ο蟾叻直媛蔬b感影像建筑物提取[D];武漢大學(xué);2014年

7 叢銘;基于視覺感知原理的高分辨率遙感影像分割與人工目標(biāo)提取研究[D];武漢大學(xué);2015年

8 方軍;融合LiDAR數(shù)據(jù)和高分辨率遙感影像的地物分類方法研究[D];武漢大學(xué);2014年

9 李榮亞;雙態(tài)云支持下高分辨率遙感存儲與計算一體化研究[D];浙江大學(xué);2014年

10 陶超;高分辨率遙感影像中的城區(qū)與建筑物檢測方法研究[D];華中科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 朱姝;面向?qū)ο蟮母叻诌b感影像建筑物提取方法研究[D];成都理工大學(xué);2017年

2 卓娜;基于高分二號面向?qū)ο蟮某鞘械匚镒R別方法研究[D];中國地質(zhì)大學(xué)(北京);2017年

3 康傳國;面向?qū)ο蟮难b備數(shù)據(jù)庫系統(tǒng)設(shè)計及實現(xiàn)[D];電子科技大學(xué);2014年

4 錢建勛;鋁電解動力變壓器狀態(tài)監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

5 劉樟民;高校財務(wù)管理系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

6 肖志華;動漫人才庫系統(tǒng)設(shè)計與實現(xiàn)[D];南昌大學(xué);2015年

7 熊子瀟;基于高分一號遙感影像的土地覆蓋信息提取技術(shù)研究[D];東華理工大學(xué);2016年

8 張雨果;基于面向?qū)ο蟮倪b感影像梯田信息提取研究[D];西北農(nóng)林科技大學(xué);2016年

9 王娜;面向?qū)ο蟮母叻直媛蔬b感影像土地覆蓋信息提取技術(shù)研究[D];昆明理工大學(xué);2016年

10 回廣驥;基于面向?qū)ο蟮亩喑叨确指罘椒ㄌ骄縖D];中國地質(zhì)大學(xué)(北京);2016年

，

本文編號：2141224