基于高分辨率影像面向?qū)ο蟮慕ㄖ镄畔⑻崛?/H1>
發(fā)布時(shí)間：2020-08-08 21:37
【摘要】：隨著高分辨率衛(wèi)星的快速發(fā)展,高分辨率影像能夠提供更加豐富的地物特征信息,使其成為信息提取的重要數(shù)據(jù)源。我國(guó)城市化的進(jìn)程越來(lái)越快,建筑物作為城市的核心地物也在不斷發(fā)生變化,城市空間數(shù)據(jù)庫(kù)的及時(shí)更新變得越來(lái)越重要。如何利用高分辨率影像自動(dòng)、高效、精確地提取建筑物信息成為遙感應(yīng)用的熱點(diǎn)之一。傳統(tǒng)基于像元的影像分類法因其單純基于光譜信息進(jìn)行分類、分類精度不高、存在“椒鹽”現(xiàn)象等局限性,已經(jīng)不能滿足高分辨率影像信息提取的需求,而基于eCognition的面向?qū)ο蟮姆诸愔饾u成為信息提取的主流方法。本文以杭州某地區(qū)WorldView-Ⅱ影像為例,主要研究面向?qū)ο蠓诸惙椒ㄔ诟叻直媛视跋窠ㄖ镄畔⑻崛≈械膽?yīng)用,主要的研究成果如下:(1)提出將ESP最優(yōu)尺度評(píng)估法與PSE-NSR-ED分割質(zhì)量評(píng)價(jià)法相結(jié)合來(lái)確定最優(yōu)分割尺度。研究首先通過(guò)定量和定性分析確定最優(yōu)均質(zhì)性因子,再利用ESP工具初步選取最優(yōu)分割尺度,結(jié)合分割質(zhì)量評(píng)價(jià)法確定各地類最優(yōu)分割尺度。最優(yōu)分割尺度分別為420、300、260、220,形狀因子為0.5,緊致度為0.5。(2)研究采用了 mRMR特征優(yōu)選算法實(shí)現(xiàn)最優(yōu)分類特征子集的選取,對(duì)分割后的影像對(duì)象選取了光譜、形狀、紋理等共47個(gè)特征,然后通過(guò)mRMR算法進(jìn)行最大相關(guān)最小冗余優(yōu)選,最終確定了前10個(gè)最優(yōu)分類特征。(3)分析最優(yōu)分割尺度和最優(yōu)分類特征,建立分類層次結(jié)構(gòu),確定不同地物的分類規(guī)則。研究考慮到高分辨率影像多陰影的特點(diǎn),本文根據(jù)有無(wú)陰影輔助設(shè)置了對(duì)比實(shí)驗(yàn),并通過(guò)混淆矩陣法和不一致性精度評(píng)價(jià)法進(jìn)行提取精度評(píng)價(jià),最后通過(guò)數(shù)學(xué)形態(tài)學(xué)法對(duì)建筑物提取結(jié)果進(jìn)行優(yōu)化。(4)精度評(píng)價(jià)結(jié)果表明兩種實(shí)驗(yàn)都很好地實(shí)現(xiàn)了建筑物的提取,無(wú)陰影輔助實(shí)驗(yàn)分類總體精度為86.5%,Kappa系數(shù)為0.798,建筑物提取精度為85%,完整性為74.76%,檢測(cè)率為84.67%;陰影輔助提取實(shí)驗(yàn)分類總體精度為91.01%,Kappa系數(shù)為0.866,建筑物提取精度為95%,完整性為86.98%,檢測(cè)率為92.07%。實(shí)驗(yàn)對(duì)比結(jié)果表明基于陰影與建筑物的空間關(guān)系輔助,建筑物提取精度更高。本文基于高分辨率影像的建筑物信息提取技術(shù)研究為城市建筑物的信息提取提供了重要思路,同時(shí)也為面向?qū)ο蟮挠跋穹诸惙椒ㄌ峁┝藚⒖肌?br> 【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：P237
【圖文】：
ＷｏｒｌｄＶｉｅｗ－ＩＩ衛(wèi)星影像空間分辨率高且信息豐富，本文選取杭州市的逡逑ＷｏｒｌｄＶｉｅｗ－ＩＩ影像數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)，影像獲取時(shí)間為２０１０年１２月，坐標(biāo)系統(tǒng)為逡逑ＧＣＳ－ＷＧＳ－１９８４，數(shù)據(jù)包括０．５米全色影像（圖２左）和１．８米多光譜影像（圖２逡逑右）。研究區(qū)為城Ｅ，建筑物為主要地物且分布均勻，同時(shí)影像還包含了水體、綠逡逑地、道路及空地等地物。研宄區(qū)影像如圖２。逡逑ｍｍ逡逑圖２研冗區(qū)ＷｏｒｌｄＶｉｅｗ－ＩＩ影像逡逑Ｆｉｇ２邋ＷｏｒｌｄＶｉｅｗ－ＩＩ邋ｉｍａｇｅ邋ｉｎ邋ｔｈｅ邋ｓｔｕｄｙ邋ａｒｅａ逡逑－７－逡逑
圖３大氣校正前后植被波普曲線對(duì)比逡逑Ｆｉｇ３邋Ｃｏｍｐａｒｉｓｏｎ邋ｏｆ邋ｖｅｇｅｔａｔｉｏｎ邋ｐｏｐ邋ｃｕｒｖｅ逡逑（３）正射校正逡逑由于受系統(tǒng)因素及外界因素的影響，導(dǎo)致拍攝的影像產(chǎn)生一定程度的幾何畸逡逑變，正射校正（Ｏｒｔｈｏ－ｒｅｃｔｉｆｉｃａｔｉｏｎ）就是用來(lái)消除這種幾何畸變的過(guò)程。正射校正方逡逑法主要有兩種：嚴(yán)格軌道模型和ＲＰＣ有理多項(xiàng)式系數(shù)。逡逑（４）圖像融合逡逑圖像融合的算法豐富多樣，其中最主要的融合算法包括ＨＳＶ變換、ＰＣＡ變逡逑換、ＧＳ變換、Ｂｒｏｖｅｙ變換、ＣＮ變換等，經(jīng)過(guò)研究者大量試驗(yàn)證明，針對(duì)不同的逡逑遙感數(shù)據(jù)每種融合算法都有其優(yōu)劣之處［２３］。表１總結(jié)了常用融合算法的適用范圍。逡逑表１不同融合算法說(shuō)明逡逑邐Ｔａｂｌｅ邋１邋Ｄｅｓｃｒｉｐｔｉｏｎ邋ｏｆ邋ｄｉｆｆｅｒｅｎｔ邋ｆｕｓｉｏｎ邋ａｌｇｏｒｉｔｈｍ邐逡逑融合算法邐適用范圍逡逑空間信息保持較好，紋理信息得到改善，但是光譜失真較大，且容易受逡逑ＨＳＶ變換逡逑波段限制。逡逑
這種融合方法適合絕大部分高分辨率影像的融合，包括ＧＦ－１、Ｑｕｉｃｋ邋Ｂｉｒｄ、ＩＫＯＮＯＳ、逡逑Ｗｏｒｌｄ邋Ｖｉｅｗ、資源三號(hào)等。逡逑預(yù)處理最終結(jié)果如圖４：圖４（ａ）為真彩色圖，圖４（ｂ）是假彩色圖。逡逑＿＿逡逑（ａ）真彩色圖邐（ｂ）假彩色圖逡逑圖４融合后影像逡逑Ｆｉｇ４邋Ｆｕｓｉｏｎ邋ｉｍａｇｅ逡逑２．２影像分割概述逡逑影像分割是利用影像的光譜信息和空間信息將影像分割成若干互不交疊的非逡逑空子區(qū)域，生成一個(gè)個(gè)與實(shí)際地物相對(duì)應(yīng)的初級(jí)影像對(duì)象的過(guò)程［２７］。在同一個(gè)分逡逑割對(duì)象內(nèi)，光譜、紋理等性質(zhì)比較相同或相近，在不同的分割對(duì)象之間，對(duì)像特逡逑征存在明顯的差異，且各對(duì)象之間相互關(guān)聯(lián)，但是互不重疊。影像分割定義如下：逡逑對(duì)一幅影像ｇ（ｘ，ｙ），（０邋Ｓ邋ｘ邋Ｓ邋ｘｍａ；ｃ，０邋Ｓ邋ｙ幺；ｙｍａｘ進(jìn)行分割是將影像ｇ（ｘ，ｙ）逡逑劃分成ｎ個(gè)滿足以下條件的子區(qū)域匕，５２，５３，…ｉ二１，２，３邋．．．ｎ１２ｓ］。逡逑（１） 【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 高春霞;謝明鴻;宋納;;基于DSM與陰影的彩色遙感影像建筑物提取[J];鄭州輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年Z2期
2 張仙;明冬萍;;面向地學(xué)應(yīng)用的遙感影像分割評(píng)價(jià)[J];測(cè)繪學(xué)報(bào);2015年S1期
3 齊迎春;孫挺;;基于FPCA和ReliefF算法的圖像特征降維[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2015年05期
4 王正偉;楊燦燦;艾澤天;畢彪;黃承華;;面向?qū)ο蟮亩嘣磾?shù)據(jù)建筑物提取[J];測(cè)繪與空間地理信息;2015年09期
5 路云閣;樊雙亮;李春霖;;“高分二號(hào)”衛(wèi)星在西藏礦山遙感監(jiān)測(cè)中的應(yīng)用研究[J];航天返回與遙感;2015年04期
6 曾志;周永福;杜震洪;劉仁義;;一種參數(shù)化影像多目標(biāo)檢索的相似度評(píng)估模型[J];國(guó)土資源遙感;2015年04期
7 王露;龔光紅;;基于ReliefF+mRMR特征降維算法的多特征遙感圖像分類[J];中國(guó)體視學(xué)與圖像分析;2014年03期
8 馬浩然;趙天忠;曾怡;;面向?qū)ο蟮淖顑?yōu)分割尺度下多層次森林植被分類[J];東北林業(yè)大學(xué)學(xué)報(bào);2014年09期
9 王敏;何明元;張水平;陳曉穎;邱敏;;通道式可見(jiàn)光近紅外衛(wèi)星遙感器輻射定標(biāo)方法綜述[J];遙感信息;2014年01期
10 張智宏;王樹(shù)文;;基于回歸分析法的遙感衛(wèi)星圖像大氣校正模型及應(yīng)用[J];影像技術(shù);2013年04期
相關(guān)博士學(xué)位論文 前1條
1 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐?wèn)題研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年
相關(guān)碩士學(xué)位論文 前10條
1 鄭璐;基于高分辨率遙感影像的城區(qū)建筑物提取方法研究[D];吉林大學(xué);2017年
2 秦禮明;基于邊緣信息增強(qiáng)的面向?qū)ο蟾叻钟跋裥畔⑻崛⊙芯縖D];安徽理工大學(xué);2016年
3 許光明;基于面向?qū)ο蠛投嘣磾?shù)據(jù)融合的茶園遙感提取研究[D];陜西師范大學(xué);2016年
4 董璐;面向?qū)ο筮b感變化檢測(cè)的方法研究[D];長(zhǎng)安大學(xué);2016年
5 劉麗雅;基于國(guó)產(chǎn)GF-1的高寒山區(qū)土地利用/覆蓋分類研究[D];浙江大學(xué);2016年
6 楊棟;高分辨率遙感影像分割結(jié)果的不一致性評(píng)價(jià)指標(biāo)比較研究[D];蘭州大學(xué);2016年
7 賈偉;面向?qū)ο蟮膹?fù)雜地形區(qū)土地利用信息提取研究[D];青海師范大學(xué);2015年
8 季金勝;高分辨率遙感影像典型地物目標(biāo)的特征選擇及其穩(wěn)定性研究[D];上海交通大學(xué);2015年
9 王昌滿;面向?qū)ο蟮倪b感影像旱季水田利用信息提取[D];昆明理工大學(xué);2014年
10 袁天華;基于多特征的高分辨率遙感圖像城區(qū)建筑物提取[D];哈爾濱工業(yè)大學(xué);2013年
本文編號(hào)：2786146
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/2786146.html
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：P237
【圖文】：
ＷｏｒｌｄＶｉｅｗ－ＩＩ衛(wèi)星影像空間分辨率高且信息豐富，本文選取杭州市的逡逑ＷｏｒｌｄＶｉｅｗ－ＩＩ影像數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)，影像獲取時(shí)間為２０１０年１２月，坐標(biāo)系統(tǒng)為逡逑ＧＣＳ－ＷＧＳ－１９８４，數(shù)據(jù)包括０．５米全色影像（圖２左）和１．８米多光譜影像（圖２逡逑右）。研究區(qū)為城Ｅ，建筑物為主要地物且分布均勻，同時(shí)影像還包含了水體、綠逡逑地、道路及空地等地物。研宄區(qū)影像如圖２。逡逑ｍｍ逡逑圖２研冗區(qū)ＷｏｒｌｄＶｉｅｗ－ＩＩ影像逡逑Ｆｉｇ２邋ＷｏｒｌｄＶｉｅｗ－ＩＩ邋ｉｍａｇｅ邋ｉｎ邋ｔｈｅ邋ｓｔｕｄｙ邋ａｒｅａ逡逑－７－逡逑
圖３大氣校正前后植被波普曲線對(duì)比逡逑Ｆｉｇ３邋Ｃｏｍｐａｒｉｓｏｎ邋ｏｆ邋ｖｅｇｅｔａｔｉｏｎ邋ｐｏｐ邋ｃｕｒｖｅ逡逑（３）正射校正逡逑由于受系統(tǒng)因素及外界因素的影響，導(dǎo)致拍攝的影像產(chǎn)生一定程度的幾何畸逡逑變，正射校正（Ｏｒｔｈｏ－ｒｅｃｔｉｆｉｃａｔｉｏｎ）就是用來(lái)消除這種幾何畸變的過(guò)程。正射校正方逡逑法主要有兩種：嚴(yán)格軌道模型和ＲＰＣ有理多項(xiàng)式系數(shù)。逡逑（４）圖像融合逡逑圖像融合的算法豐富多樣，其中最主要的融合算法包括ＨＳＶ變換、ＰＣＡ變逡逑換、ＧＳ變換、Ｂｒｏｖｅｙ變換、ＣＮ變換等，經(jīng)過(guò)研究者大量試驗(yàn)證明，針對(duì)不同的逡逑遙感數(shù)據(jù)每種融合算法都有其優(yōu)劣之處［２３］。表１總結(jié)了常用融合算法的適用范圍。逡逑表１不同融合算法說(shuō)明逡逑邐Ｔａｂｌｅ邋１邋Ｄｅｓｃｒｉｐｔｉｏｎ邋ｏｆ邋ｄｉｆｆｅｒｅｎｔ邋ｆｕｓｉｏｎ邋ａｌｇｏｒｉｔｈｍ邐逡逑融合算法邐適用范圍逡逑空間信息保持較好，紋理信息得到改善，但是光譜失真較大，且容易受逡逑ＨＳＶ變換逡逑波段限制。逡逑
這種融合方法適合絕大部分高分辨率影像的融合，包括ＧＦ－１、Ｑｕｉｃｋ邋Ｂｉｒｄ、ＩＫＯＮＯＳ、逡逑Ｗｏｒｌｄ邋Ｖｉｅｗ、資源三號(hào)等。逡逑預(yù)處理最終結(jié)果如圖４：圖４（ａ）為真彩色圖，圖４（ｂ）是假彩色圖。逡逑＿＿逡逑（ａ）真彩色圖邐（ｂ）假彩色圖逡逑圖４融合后影像逡逑Ｆｉｇ４邋Ｆｕｓｉｏｎ邋ｉｍａｇｅ逡逑２．２影像分割概述逡逑影像分割是利用影像的光譜信息和空間信息將影像分割成若干互不交疊的非逡逑空子區(qū)域，生成一個(gè)個(gè)與實(shí)際地物相對(duì)應(yīng)的初級(jí)影像對(duì)象的過(guò)程［２７］。在同一個(gè)分逡逑割對(duì)象內(nèi)，光譜、紋理等性質(zhì)比較相同或相近，在不同的分割對(duì)象之間，對(duì)像特逡逑征存在明顯的差異，且各對(duì)象之間相互關(guān)聯(lián)，但是互不重疊。影像分割定義如下：逡逑對(duì)一幅影像ｇ（ｘ，ｙ），（０邋Ｓ邋ｘ邋Ｓ邋ｘｍａ；ｃ，０邋Ｓ邋ｙ幺；ｙｍａｘ進(jìn)行分割是將影像ｇ（ｘ，ｙ）逡逑劃分成ｎ個(gè)滿足以下條件的子區(qū)域匕，５２，５３，…ｉ二１，２，３邋．．．ｎ１２ｓ］。逡逑（１）
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 高春霞;謝明鴻;宋納;;基于DSM與陰影的彩色遙感影像建筑物提取[J];鄭州輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年Z2期
2 張仙;明冬萍;;面向地學(xué)應(yīng)用的遙感影像分割評(píng)價(jià)[J];測(cè)繪學(xué)報(bào);2015年S1期
3 齊迎春;孫挺;;基于FPCA和ReliefF算法的圖像特征降維[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2015年05期
4 王正偉;楊燦燦;艾澤天;畢彪;黃承華;;面向?qū)ο蟮亩嘣磾?shù)據(jù)建筑物提取[J];測(cè)繪與空間地理信息;2015年09期
5 路云閣;樊雙亮;李春霖;;“高分二號(hào)”衛(wèi)星在西藏礦山遙感監(jiān)測(cè)中的應(yīng)用研究[J];航天返回與遙感;2015年04期
6 曾志;周永福;杜震洪;劉仁義;;一種參數(shù)化影像多目標(biāo)檢索的相似度評(píng)估模型[J];國(guó)土資源遙感;2015年04期
7 王露;龔光紅;;基于ReliefF+mRMR特征降維算法的多特征遙感圖像分類[J];中國(guó)體視學(xué)與圖像分析;2014年03期
8 馬浩然;趙天忠;曾怡;;面向?qū)ο蟮淖顑?yōu)分割尺度下多層次森林植被分類[J];東北林業(yè)大學(xué)學(xué)報(bào);2014年09期
9 王敏;何明元;張水平;陳曉穎;邱敏;;通道式可見(jiàn)光近紅外衛(wèi)星遙感器輻射定標(biāo)方法綜述[J];遙感信息;2014年01期
10 張智宏;王樹(shù)文;;基于回歸分析法的遙感衛(wèi)星圖像大氣校正模型及應(yīng)用[J];影像技術(shù);2013年04期
相關(guān)博士學(xué)位論文 前1條
1 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐?wèn)題研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年
相關(guān)碩士學(xué)位論文 前10條
1 鄭璐;基于高分辨率遙感影像的城區(qū)建筑物提取方法研究[D];吉林大學(xué);2017年
2 秦禮明;基于邊緣信息增強(qiáng)的面向?qū)ο蟾叻钟跋裥畔⑻崛⊙芯縖D];安徽理工大學(xué);2016年
3 許光明;基于面向?qū)ο蠛投嘣磾?shù)據(jù)融合的茶園遙感提取研究[D];陜西師范大學(xué);2016年
4 董璐;面向?qū)ο筮b感變化檢測(cè)的方法研究[D];長(zhǎng)安大學(xué);2016年
5 劉麗雅;基于國(guó)產(chǎn)GF-1的高寒山區(qū)土地利用/覆蓋分類研究[D];浙江大學(xué);2016年
6 楊棟;高分辨率遙感影像分割結(jié)果的不一致性評(píng)價(jià)指標(biāo)比較研究[D];蘭州大學(xué);2016年
7 賈偉;面向?qū)ο蟮膹?fù)雜地形區(qū)土地利用信息提取研究[D];青海師范大學(xué);2015年
8 季金勝;高分辨率遙感影像典型地物目標(biāo)的特征選擇及其穩(wěn)定性研究[D];上海交通大學(xué);2015年
9 王昌滿;面向?qū)ο蟮倪b感影像旱季水田利用信息提取[D];昆明理工大學(xué);2014年
10 袁天華;基于多特征的高分辨率遙感圖像城區(qū)建筑物提取[D];哈爾濱工業(yè)大學(xué);2013年
本文編號(hào)：2786146
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/2786146.html
