本文關(guān)鍵詞：高分辨率遙感影像建筑物提取方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著航天技術(shù)和傳感器技術(shù)的迅速發(fā)展，資源衛(wèi)星，偵察衛(wèi)星，航空相機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，實時的觀測數(shù)據(jù)。因此，利用衛(wèi)星影像或者航空相片對地物進行信息提取，可以大大提高工作效率，克服了實地勘測的繁瑣。如何充分利用這些高分辨率的影像是城市規(guī)劃，人口估計，資源探測，軍事偵察等領(lǐng)域的研究課題，在上述的眾多應用中，建筑物作為城市地物的重要組成部分，對它的獲取和識別至關(guān)重要。因此，，高分辨率遙感影像中建筑物的提取是圖像處理領(lǐng)域的主要的研究內(nèi)容之一。 本文主要對遙感影像中建筑物的提取方法進行了研究，首先將本文所利用到的特征進行詳細的介紹，然后在實現(xiàn)對特征提取的基礎上，考慮建筑物和形態(tài)學之間的關(guān)系，本文提出了一個基于增強型形態(tài)學建筑物指數(shù)對建筑物提取的方法：首先提取城市的不透水層特征，然后通過建立建筑物屬性與形態(tài)學運算之間的關(guān)系得到了EMBI特征圖像以增強對建筑物的描述，隨后結(jié)合形狀特征（長寬比，面積等）采用決策樹分析的方法完成對建筑物的最終提取。試驗結(jié)果顯示，相對于MBI算法，EMBI算法取得更好的提取效果。 針對高分辨率影像光譜信息不足，影像信息細節(jié)化，同類地物間差異增大，以及由此產(chǎn)生的影像特征提取和模式分類上的問題，本文提出了一個聯(lián)合光譜-空間多特征的基于SVM的分類器模型，利用該模型完成建筑物的提取，該模型充分利用了多特征信息，并且克服了Hughes現(xiàn)象和高維特征堆積所產(chǎn)生的過擬合問題。本模型利用的三類光譜-空間特征，包括光譜特征-多尺度形態(tài)學光譜特征、光譜特征-多尺度形態(tài)學下墊面物理特征和光譜特征-多尺度形態(tài)學地物空間延展特征。具體流程為：首先將該三類光譜-空間特征利用支持向量機進行分類，然后將分類結(jié)果利用概率融合的方法進行整合，最終完成對建筑物的提取。試驗結(jié)果顯示，相比于VS-SVM算法，該模型取得了更好的提取效果。
【關(guān)鍵詞】：建筑物提取 高分辨率 增強型形態(tài)學建筑物指數(shù) 光譜-空間特征 SVM
【學位授予單位】：西安科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：P237;TP751
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 1 緒論8-12
• 1.1 課題研究背景和意義8-9
• 1.1.1 課題研究背景8
• 1.1.2 課題研究意義8-9
• 1.2 建筑物提取方法研究現(xiàn)狀9-10
• 1.3 本文的主要工作10-11
• 1.4 本文的各章節(jié)安排11-12
• 2 高分辨率遙感影像特征提取和表達12-21
• 2.1 引言12
• 2.2 城市地表下墊面物理特征的提取12-14
• 2.2.1 城市地表下墊面物理特征的提取方法12-13
• 2.2.2 試驗與分析13-14
• 2.3 地物空間延展特征的提取14-17
• 2.3.1 地物空間延展特征的提取方法14-16
• 2.3.2 試驗與分析16-17
• 2.4 多尺度形態(tài)學特征的提取與表達17-20
• 2.4.1 新的形態(tài)學算子 OFC 的建立18
• 2.4.2 結(jié)構(gòu)體的選擇18-19
• 2.4.3 多尺度形態(tài)學特征的建立19-20
• 2.5 本章小結(jié)20-21
• 3 基于形態(tài)學建筑物指數(shù)（EMBI）的建筑物提取21-29
• 3.1 引言21-22
• 3.2 不透水層組分圖像的提取22
• 3.3 增強型形態(tài)學建筑物指數(shù)（EMBI）特征的建立22-24
• 3.4 形態(tài)學建筑物指數(shù)（EMBI）的后處理24
• 3.5 試驗與分析24-28
• 3.5.1 HYDICE 影像試驗24-26
• 3.5.2 Quickbird 影像試驗26-28
• 3.6 本章小結(jié)28-29
• 4 支持向量機的概率融合光譜-空間特征的地物分類模型29-40
• 4.1 引言29-30
• 4.2 支持向量機的概率融合光譜-空間特征的地物分類模型30-31
• 4.3 試驗與分析31-38
• 4.3.1 ROSIS 影像試驗32-36
• 4.3.2 WorldView-2 影像試驗36-38
• 4.4 本章小結(jié)38-40
• 5 總結(jié)與展望40-41
• 5.1 總結(jié)40
• 5.2 創(chuàng)新點40
• 5.3 展望40-41
• 致謝41-42
• 參考文獻42-47
• 攻讀碩士期間取得的成果47

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 承德保;;基于多特征組的遙感圖像中建筑物目標自動識別與標繪的方法[J];電子與信息學報;2008年12期

  本文關(guān)鍵詞：高分辨率遙感影像建筑物提取方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：268570