本文關鍵詞：基于詞袋模型的高分辨率影像中建筑物提取方法研究

  更多相關文章： 分類 SIFT 詞袋模型 空間金字塔模型 MRF 支持向量機 Grab Cut

【摘要】：地理國情是通過地理空間屬性將自然環(huán)境與資源、科技教育狀況、經(jīng)濟發(fā)展狀況、國際環(huán)境等在內(nèi)的各類國情進行關聯(lián)與分析,從而揭示經(jīng)濟社會發(fā)展的時空演變和內(nèi)在關系的綜合國情,而這些基礎信息的獲取離不開遙感影像數(shù)據(jù)的支撐。隨著高分一號衛(wèi)星與高分二號衛(wèi)星的成功發(fā)射與運行,為我國的基礎國情普查工作提供了充足的數(shù)據(jù)保障,不僅可以快速獲取大面積高分辨率影像,而且影像數(shù)據(jù)更新周期短。然而傳統(tǒng)的人工目視解譯方法已經(jīng)不能滿足現(xiàn)代化信息更新速度的要求,如何快速、高效的處理獲取的海量高分辨率影像數(shù)據(jù)已成為目前亟待解決的關鍵問題。本論文以解決自動、高效提取感興趣信息為目的,結合基于詞袋模型的標注方法和基于Grab Cut圖像分割的邊界提取方法完成感興趣目標的提取。通過以提取高分辨率影像中的建筑物信息為例進行實驗,并取得了一定的實驗結果。論文中介紹了兩種基于詞袋模型的標注方法,第一種是基于空間金字塔的詞袋模型的標注方法。該方法中采用SIFT描述子作為特征單詞,通過K-means聚類方法得到詞典,結合空間金字塔理論建立具有三層詞匯頻率直方圖特征的影像特征模型,使用SVM分類器進行分類。通過標注2米分辨率影像和0.5米分辨率影像中的建筑物信息證明了該方法具有較好的標注效果。第二種是基于MRF特征的詞袋模型的標注方法。該方法結合馬爾科夫隨機場理論的思想,將鄰域內(nèi)像素按照一定的順序進行排列組合成視覺單詞,這樣既包含了上下文信息也減少了原始信息的丟失。實驗結果表明,該方法的正確率雖比第一種方法略低,但整體時間效率比第一種方法高了近一倍�；贕rab Cut分割的邊界提取方法是在標注出目標信息的影像基礎上,獲取其中目標的細化邊界信息。該方法是將標注影像中連通的標注目標信息從原始影像中截取為一個個小影像,然后對每幅提取出來的小影像采用Grab Cut算法進行圖像分割,并最終獲取影像中目標的完整邊界信息。采用該方法分別對2米分辨率的衛(wèi)星影像和0.5米分辨率的航拍影像進行建筑物邊界的提取實驗,并取得了較好的結果。
【關鍵詞】：分類 SIFT 詞袋模型 空間金字塔模型 MRF 支持向量機 Grab Cut
【學位授予單位】：西安科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP751;P237
【目錄】：

• 摘要1-2
• ABSTRACT2-6
• 1 緒論6-14
• 1.1 選題背景和研究意義6-7
• 1.2 高分辨率影像中建筑物目標提取研究的國內(nèi)外現(xiàn)狀7-9
• 1.3 基于詞袋模型的影像分類研究的國內(nèi)外現(xiàn)狀9-11
• 1.4 論文研究內(nèi)容與結構11-14
• 1.4.1 論文內(nèi)容11-12
• 1.4.2 論文結構12-14
• 2 基于空間金字塔的詞袋模型的標注方法研究14-32
• 2.1 基于視覺詞袋模型的標注方法介紹14-15
• 2.2 基于空間金字塔的詞袋模型的方法介紹15-26
• 2.2.1 基于SIFT的特征表達16-20
• 2.2.2 視覺詞典的獲取20-21
• 2.2.3 空間金字塔模型的構建21-23
• 2.2.4 SVM分類器23-25
• 2.2.5 基于空間金字塔詞袋模型的建筑物標注方法25-26
• 2.3 實驗結果與分析26-30
• 2.3.1 高分一號影像實驗27-28
• 2.3.2 航拍影像實驗28-30
• 2.4 本章小結30-32
• 3 基于MRF特征的詞袋模型的標注方法研究32-40
• 3.1 基于MRF特征的詞袋模型方法的介紹32-36
• 3.1.1 鄰域系統(tǒng)與基團32-34
• 3.1.2 馬爾科夫隨機場34-35
• 3.1.3 基于MRF特征的詞袋模型標注建筑物的方法35-36
• 3.2 實驗結果與分析36-39
• 3.2.1 高分一號影像實驗37
• 3.2.2 航拍影像實驗37-39
• 3.3 本章小結39-40
• 4 基于Grab Cut的目標邊界提取方法40-50
• 4.1 Grab Cut圖像分割算法40-44
• 4.1.1 構建網(wǎng)絡圖和S-T流圖40-41
• 4.1.2 構建能量函數(shù)41-42
• 4.1.3 能量函數(shù)最小化求最優(yōu)割42-44
• 4.2 連通區(qū)域檢測44-46
• 4.2.1 連通區(qū)域檢測方法介紹44-45
• 4.2.2 連通區(qū)域檢測實驗45-46
• 4.3 基于Grab Cut的建筑物邊界提取方法46-47
• 4.4 建筑物邊界提取實驗47-49
• 4.4.1 高分一號影像實驗47-48
• 4.4.2 航拍影像實驗48-49
• 4.5 本章小結49-50
• 5 總結與展望50-53
• 5.1 總結50-51
• 5.2 展望51-53
• 致謝53-54
• 參考文獻54-57

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 周皓;李少洪;;SVM最優(yōu)分類面相對位置的修正[J];北京航空航天大學學報;2009年11期

2 徐正光;鮑東來;張利欣;;基于遞歸的二值圖像連通域像素標記算法[J];計算機工程;2006年24期

，

本文編號：748242