隨著航空航天平臺和遙感技術(shù)的不斷發(fā)展,我們可以獲取到越來越多的紋理細(xì)節(jié)清晰、光譜特征豐富的高空間分辨率遙感影像,高空間分辨率遙感影像已經(jīng)成為經(jīng)濟(jì)建設(shè)、國防安全、地理信息服務(wù)等方面重要的空間信息源。但與此同時,“同物異譜”和“異物同譜”現(xiàn)象隨之而來,并成為制約高空間分辨率遙感影像應(yīng)用和發(fā)展的主要因素。為了解決上述問題,國內(nèi)外大量學(xué)者開展了大量研究。目前,圍繞高空間分辨率遙感影像分析與處理已成為遙感領(lǐng)域研究的熱點(diǎn)方向之一。同時,隨著影像空間分辨率的提高,信息的提取技術(shù)從基于像元的分類逐漸過渡到面向?qū)ο蟮淖R別。面向?qū)ο蟮挠跋穹治龇椒ú捎孟确指钤俜诸惖哪Ｊ竭M(jìn)行地物識別與提取。其中,遙感影像分割和分類技術(shù)是面向?qū)ο笥跋穹治龇椒ǖ幕A(chǔ)和關(guān)鍵,兩個過程均涉及特征的選取及特征相似度的計算,在兩個過程中均會帶來結(jié)果的不確定性。伴隨計算機(jī)視覺研究的不斷加深,研究者更加關(guān)注影像分割更為準(zhǔn)確的分析和理解,語義分割的提出給這一問題帶來契機(jī),有別于傳統(tǒng)的影像分割方法,語義分割的根本目的是,在分割的同時確定分割區(qū)域的語義類別,這對于影像分析和處理更加準(zhǔn)確化有著深遠(yuǎn)的意義。為此本文以高空間分辨率遙感影像為研究對象,通... 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：102 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于候選區(qū)域的語義分割流程

圖 2.1 影像分割定義 Figure 2.1 Definition of image segmentation 從上述定義可以看出，影像分割將影像標(biāo)記，相同特征的像素被標(biāo)記為同一類型，在標(biāo)記分配過程中，每一像素不能被多的集合組成影像中相對應(yīng)的區(qū)域，全部像素結(jié)果[44]。常見的分割算法包括閾值法、邊場的算法、以及其他分割法（數(shù)學(xué)形態(tài)學(xué)、傳算法）。下面將分別進(jìn)行簡要介紹。.1.1.1 閾值分割算法閾值法（灰度門限技術(shù)）是一種計算簡應(yīng)用于影像分割中[45]，該算法利用影像灰

圖 2.3 語義分割示意圖Figure 2.3 semantic segmentation schematic1 影像底層特征提取影像底層特征包括全局特征和局部特征，全局特征是整幅影像或者影影像塊的屬性值，由于全局特征不能徹底的代表整幅影像，因此我們影像的一些局部特征作為附加屬性值，包括梯度值、顏色分量值等。底層特征提取方法有：顏色特征提取、紋理特征提取、形狀特征提取1）顏色特征提取顏色特征是全局特征的重要表現(xiàn)之一，通常情況下通過顏色直方圖表信息，這是一種基于像素的方法，常用的顏色直方圖包括基于 RGB（reen 綠，Blue 藍(lán)）和 CIELAB（簡稱 Lab）兩種表達(dá)形式的顏色空間B 顏色空間，如圖 2.4 所示，其中包括三個色彩通道，每個通道的取0-255]。CIELAB 顏色空間（Lab）：L 表示像素的顏色，取值范圍[0,1

【參考文獻(xiàn)】：
期刊論文
[1]簡單線性迭代聚類的高分辨率遙感影像分割[J]. 董志鵬,梅小明,陳杰,鄧敏,李昕.  遙感信息. 2016(06)
[2]基于內(nèi)容的圖像分割方法綜述[J]. 姜楓,顧慶,郝慧珍,李娜,郭延文,陳道蓄.  軟件學(xué)報. 2017(01)
[3]基于DCNN的圖像語義分割綜述[J]. 魏云超,趙耀.  北京交通大學(xué)學(xué)報. 2016(04)
[4]第6講 深度卷積神經(jīng)網(wǎng)絡(luò)在圖像分割中的應(yīng)用[J]. 鄭云飛,張雄偉,曹鐵勇,王文.  軍事通信技術(shù). 2016(02)
[5]圖像分割的圖論方法綜述[J]. 王梅,李玉鑑,全笑梅.  計算機(jī)應(yīng)用與軟件. 2014(09)
[6]結(jié)合光譜、紋理與形狀結(jié)構(gòu)信息的遙感影像分割方法[J]. 巫兆聰,胡忠文,張謙,崔衛(wèi)紅.  測繪學(xué)報. 2013(01)
[7]基于條件隨機(jī)場的圖像語義分割[J]. 張春芳.  計算機(jī)光盤軟件與應(yīng)用. 2012(09)
[8]無人機(jī)高空間分辨率影像分類研究[J]. 魯恒,李永樹,林先成.  測繪科學(xué). 2011(06)
[9]基于K均值聚類與區(qū)域合并的彩色圖像分割算法[J]. 李光,王朝英,侯志強(qiáng).  計算機(jī)應(yīng)用. 2010(02)
[10]基于層次聚類LS-SVM的圖像分割方法[J]. 胡學(xué)坤,宋淑娜,李金霞,高尚.  計算機(jī)與數(shù)字工程. 2010(01)

博士論文
[1]基于上下文信息的語義圖像分類研究[D]. 李昌英（Ri ChangYong）.浙江大學(xué) 2014
[2]面向?qū)ο蟮母叻直媛视跋癯鞘卸嗵卣髯兓瘷z測研究[D]. 湯玉奇.武漢大學(xué) 2013
[3]高空間分辨率遙感影像自適應(yīng)分割方法研究[D]. 劉建華.福州大學(xué) 2011
[4]基于區(qū)域的多分辨率遙感影像語義檢索方法研究[D]. 劉婷婷.武漢大學(xué) 2009
[5]高分辨率遙感影像多尺度紋理、形狀特征提取與面向?qū)ο蠓诸愌芯縖D]. 黃昕.武漢大學(xué) 2009
[6]基于活動輪廓模型的圖像分割[D]. 朱國普.哈爾濱工業(yè)大學(xué) 2007
[7]基于模糊聚類分析的圖像分割技術(shù)研究[D]. 張愛華.華中科技大學(xué) 2004

碩士論文
[1]基于L0梯度最小化的圖像平滑方法研究[D]. 龐學(xué)舜.天津理工大學(xué) 2016
[2]基于馬爾科夫隨機(jī)場的SAR圖像處理[D]. 郭穎.西安電子科技大學(xué) 2014
[3]基于圖論的超像素分割及其合并算法[D]. 門學(xué)敏.燕山大學(xué) 2014
[4]結(jié)合底層分割的圖像語義分割[D]. 陳坤.上海師范大學(xué) 2013



本文編號：2958859