為了提高對(duì)地面建筑的遙感辨識(shí)和檢測能力,需要對(duì)建筑圖像進(jìn)行分類處理,提出了基于特征標(biāo)記的遙感建筑圖像分類方法。在大氣散射環(huán)境下進(jìn)行遙感建筑圖像的模糊信息融合處理,結(jié)合分塊模板特征匹配方法進(jìn)行圖像的特征配準(zhǔn)處理,首先根據(jù)特征配準(zhǔn)結(jié)果進(jìn)行建筑物的特征點(diǎn)提取,用特征標(biāo)記方法進(jìn)行建筑物圖像的平移、旋轉(zhuǎn)、比例不變性等相關(guān)性特征檢測,然后根據(jù)圖像的形狀特征分布實(shí)現(xiàn)對(duì)遙感建筑圖像的屬性特征檢測,采用自適應(yīng)參數(shù)融合方法進(jìn)行多模態(tài)特征分解,對(duì)不同紋理分布的建筑圖像進(jìn)行邊緣輪廓特征檢測,最后根據(jù)邊緣特征標(biāo)記結(jié)果實(shí)現(xiàn)遙感建筑圖像的優(yōu)化分類。仿真結(jié)果表明,采用該方法進(jìn)行遙感建筑圖像分類準(zhǔn)確性較高,特征辨識(shí)能力較強(qiáng),提高了對(duì)遙感建筑圖像特征的提取和檢測能力。 

【文章來源】：河南工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2020,32(04)

【文章頁數(shù)】：5 頁

【部分圖文】：

待分類的遙感建筑圖像

遙感建筑圖像的邊緣輪廓檢測結(jié)果

分析圖3得知,采用本方法能有效實(shí)現(xiàn)對(duì)遙感建筑圖像的紋理檢測,根據(jù)紋理檢測結(jié)果和邊緣特征標(biāo)記結(jié)果得到遙感建筑圖像的優(yōu)化分類結(jié)果,如圖4所示。圖4 遙感建筑圖像的優(yōu)化分類結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]GNSS-R SAR地面目標(biāo)建模與成像[J]. 李墨羽,焦瑞莉,朱云龍,吳世玉.  計(jì)算機(jī)工程與應(yīng)用. 2019(23)
[2]基于L*a*b*顏色空間的高動(dòng)態(tài)范圍成像算法[J]. 趙金波,肖照,白本督,范九倫.  計(jì)算機(jī)工程. 2018(12)
[3]結(jié)合局部灰度差異的噪聲圖像分割模型[J]. 李鋼,李海芳,尚方信,郭浩.  計(jì)算機(jī)應(yīng)用. 2018(03)
[4]基于形態(tài)學(xué)濾波的紅外圖像背景補(bǔ)償[J]. 李武周,余鋒,王冰,胡琥香,周長榮.  紅外技術(shù). 2016(04)
[5]基于圖分割的高分辨率遙感影像建筑物變化檢測研究[J]. 施文灶,毛政元.  地球信息科學(xué)學(xué)報(bào). 2016(03)
[6]基于正則化約束的遙感圖像多尺度去模糊[J]. 譚海鵬,曾炫杰,牛四杰,陳強(qiáng),孫權(quán)森.  中國圖象圖形學(xué)報(bào). 2015(03)
[7]基于非下采樣輪廓波變換遙感影像超分辨重建方法[J]. 周靖鴻,周璀,朱建軍,樊東昊.  光學(xué)學(xué)報(bào). 2015(01)



本文編號(hào)：3429622