【摘要】：在面向?qū)ο髨D像分析(Object-based image analysis,OBIA)技術(shù)中,圖像分類性能由圖像分割、樣本或者規(guī)則集、分類器共同決定。其中分割質(zhì)量對于后續(xù)基元特征分析和提取有著較大影響。另一方面,模板匹配技術(shù)通過固定形狀的模板從影像中識別特定地物,能夠有效防止由于圖像分割造成的目標(biāo)形狀缺陷問題,但模板創(chuàng)建和編輯費時費力。本研究以面線基元關(guān)聯(lián)模型(Region-line primitive association framework,RLPAF)為技術(shù)支撐,將OBIA技術(shù)和模板匹配技術(shù)進行融合,并應(yīng)用于高分遙感影像上光伏面板目標(biāo)的自動提取。論文的主要工作如下:(1)基于RLPAF的模板自動生成。首先使用基于硬邊界約束與兩階段合并的圖像分割算法和相位編組法分別獲取面、線基元并計算相關(guān)基元特征,然后分析光伏面板的光譜、形狀等特征,設(shè)置規(guī)則集,獲取疑似光伏面板面基元,最后進行面線基元關(guān)聯(lián)建模,建立滿足最佳適配模板要求的光伏面板標(biāo)準(zhǔn)模板集。(2)基于灰度信息的模板匹配。為了提高匹配效率,結(jié)合分割面基元的光譜特征對待匹配圖像設(shè)置掩膜,縮小搜索區(qū)域,同時采用粗精結(jié)合的搜索策略減少每個位置的計算量,快速定位光伏面板的大致區(qū)域,最后選用結(jié)構(gòu)相似度作為相似性度量指標(biāo)實現(xiàn)光伏目標(biāo)的精確模板匹配和提取。(3)開展了方法在高分影像上的應(yīng)用實驗。光伏面板尺寸較小且分布密集,實現(xiàn)精確到單一目標(biāo)的精確定位和提取并不容易。本文選擇不同區(qū)域、不同環(huán)境背景的多景無人機高分影像為實驗數(shù)據(jù)源進行實驗驗證,完成了方法性能的全面評估和不同方法之間的對比分析。實驗表明,本文算法相比常規(guī)模板匹配技術(shù)或監(jiān)督分類方法,在高分遙感影像光伏面板檢測方面具有相當(dāng)或更高的精度,且由于不需要用戶手動選取模板或者訓(xùn)練樣本,因此算法的普適性和魯棒性更好,體現(xiàn)了算法的技術(shù)特色和優(yōu)勢。
【圖文】：

通過圖像分割和直線檢測手段獲取面、線基元，并計算相關(guān)基元特征，置規(guī)則集，提取光伏面板疑似面基元，最后進行面線基元關(guān)聯(lián)建模，以后得到的疑似面基元為基礎(chǔ)，與直線基元進行空間疊置分析，，自動生成伏面板模板集。逡逑２）基于灰度的模板匹配逡逑本文選擇灰度信息作為數(shù)據(jù)類型進行模板匹配操作，為了提高算法的效率，選擇結(jié)構(gòu)相似度作為相似性度量指標(biāo)，使用粗精結(jié)合的搜索策略的最佳適配模板集為基礎(chǔ)，結(jié)合ＡＴ－近鄰（尺－ＮｅａｒｅｓｔＮｅｉｇｈｂｏｒ，邋ＫＮＮ）方場景下，準(zhǔn)確、高效的識別出無人機影像中的光伏面板，并達到制圖輸出（２）技術(shù)路線逡逑本文的實驗技術(shù)路線主要分為兩個部分，如圖Ｕ所示：①面向?qū)ο蟆⒕�基元作為一種基本分析單元加入到ＯＢＩＡ中，通過面線協(xié)同分析，面基元的基礎(chǔ)上加入線基元約束，使生成的光伏模板形狀規(guī)則、邊緣平于灰度的模板匹配。在匹配過程中，結(jié)合分割面基元和粗精結(jié)合的匹配高算法效率，通過非極大值抑制解決同一位置多次響應(yīng)的問題。逡逑

大疆ＤＪＩ邋Ｉｎｓｐｉｒｅ〗邋ｐｒｏ可變形悟無人機，搭載相機型號為禪思Ｘ５航拍相機。實驗選逡逑擇了４個典型區(qū)域進行方法效果測試，具體影像參數(shù)如表１．１所示。實驗數(shù)據(jù)采集逡逑于江蘇省南京市的不同區(qū)域，如圖１．２所示，第一個實驗區(qū)域：面板數(shù)量眾多，逡逑背景相對簡單，但由于成像范圍較廣，面板形變（大小和走向）程度較大；第二逡逑個區(qū)域：光伏面板在形態(tài)、色調(diào)上差異較大，背景一般復(fù)雜；第三和第四兩個實逡逑驗區(qū)屬于同一片區(qū)域，背景較為復(fù)雜，且都存在不同程度的曝光問題，部分面板逡逑在色調(diào)上差異較大，唯一的不同點是成像角度不同。以上影像皆未做正射校正處逡逑理，且由于擺放位置、拍照角度等的原因，光伏面板在同一幅圖像的不同區(qū)域在逡逑形態(tài)（走向）上具有較大差異性，為此能夠全面展現(xiàn)方法在不同區(qū)域的提取效果。逡逑表１．邋１影像數(shù)據(jù)逡逑實驗區(qū)域邐成像日期邐飛行高度（米）圖像尺度（像素）分辨率（米）逡逑實驗區(qū)邋１邐２０１７冬１６邐１７７．７９２邐４０００Ｘ２２５０邐０．０４逡逑實驗區(qū)２邐２０１６－７－２５邐１５４．０５３邐３３７７ｘ２１２８邐０．０３４逡逑實驗區(qū)３邐２０１６－７－２０邐１４２．１８４邐４６０８
【學(xué)位授予單位】：南京師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：P237

【參考文獻】

相關(guān)期刊論文 前10條

1 李佳;杜珂磊;王宇龍;;高分辨率影像基于影像對象的受損道路提取[J];測繪與空間地理信息;2015年07期

2 葉昕;秦其明;王俊;王建華;;結(jié)合數(shù)學(xué)形態(tài)學(xué)與多角度模板匹配的高分辨率遙感圖像救災(zāi)帳篷識別[J];測繪通報;2015年01期

3 常虹;詹福雷;楊國東;牛雪峰;張旭請;邵鵬;唐天琦;;面向?qū)ο蟮母叻诌b感影像信息提取技術(shù)研究[J];測繪通報;2015年01期

4 許佳佳;張葉;張赫;;基于改進Harris-SIFT算子的快速圖像配準(zhǔn)算法[J];電子測量與儀器學(xué)報;2015年01期

5 馮家莉;劉凱;朱遠輝;李勇;柳林;蒙琳;;無人機遙感在紅樹林資源調(diào)查中的應(yīng)用[J];熱帶地理;2015年01期

6 朱長明;李均力;張新;駱劍承;;面向?qū)ο蟮母叻直媛蔬b感影像濕地信息分層提取[J];測繪通報;2014年10期

7 李雪軻;王晉年;張立福;楊杭;劉凱;;面向?qū)ο蟮暮娇崭吖庾V圖像混合分類方法[J];地球信息科學(xué)學(xué)報;2014年06期

8 夏朝旭;何政偉;于歡;王東輝;葉嬌瓏;;面向?qū)ο蟮耐恋馗脖蛔兓瘷z測研究[J];遙感技術(shù)與應(yīng)用;2014年01期

9 陳韜亦;陳金勇;趙和鵬;;基于Ecogniton的光學(xué)遙感圖像艦船目標(biāo)檢測[J];無線電工程;2013年11期

10 劉歡;郝礦榮;丁永生;毛敏;;光照魯棒的抗模糊新組合不變矩圖像匹配方法[J];傳感技術(shù)學(xué)報;2013年09期

相關(guān)碩士學(xué)位論文 前7條

1 黃鈺雯;基于無人機視覺的大規(guī)模光伏電池板檢測技術(shù)研究[D];廣西大學(xué);2017年

2 顧煜潔;遙感圖像特征提取與匹配關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2017年

3 鄭剛;基于特征的圖像匹配算法研究[D];國防科學(xué)技術(shù)大學(xué);2011年

4 李先怡;特征點匹配技術(shù)在無人機影像匹配中的研究與應(yīng)用[D];西安科技大學(xué);2011年

5 劉錦峰;圖像模板匹配快速算法研究[D];中南大學(xué);2007年

6 周庚濤;基于選擇性特征提取與多HMMs的人臉表情識別研究[D];江蘇大學(xué);2007年

7 陳智;圖像匹配技術(shù)研究[D];華中師范大學(xué);2006年

本文編號：2644419