【摘要】：隨著遙感圖像的應(yīng)用越來(lái)越廣泛,傳統(tǒng)的利用人工方法來(lái)對(duì)圖像中的目標(biāo)進(jìn)行檢測(cè)與識(shí)別已經(jīng)遠(yuǎn)遠(yuǎn)不能滿(mǎn)足現(xiàn)在的需求。由于遙感圖像的數(shù)據(jù)量大,目標(biāo)類(lèi)型復(fù)雜,紋理信息豐富,場(chǎng)景大而變化多,目前的目標(biāo)檢測(cè)方法準(zhǔn)確率并不是很高,常常還會(huì)出現(xiàn)漏檢,影響目標(biāo)檢測(cè)的性能。因此,如何利用遙感圖像的多譜信息,采用合理有效的處理方法來(lái)改善和提高遙感圖像的目標(biāo)分類(lèi)與識(shí)別性能,是目前研究者越來(lái)越關(guān)注的話(huà)題。本文以遙感圖像中的道路目標(biāo)為對(duì)象,利用機(jī)器學(xué)習(xí)技術(shù),從基于特征的道路目標(biāo)描述、傳統(tǒng)機(jī)器學(xué)習(xí)的道路檢測(cè)方法及現(xiàn)代機(jī)器學(xué)習(xí)的道路識(shí)別技術(shù)等三個(gè)方面,深入研究道路目標(biāo)的分類(lèi)與識(shí)別。論文工作主要包括:(1)基于紋理特征的道路目標(biāo)描述。利用圖像灰度共生矩陣GLCM,有效地提取紋理特征來(lái)描述道路目標(biāo)。首先,通過(guò)分析不同尺寸樣本、不同波段圖像及其GLCM生成參數(shù)對(duì)道路目標(biāo)的貢獻(xiàn)情況,選取了RGB彩色空間、G波段和NIR波段遙感圖像,并確定GLCM。然后,通過(guò)比較基于GLCM計(jì)算的紋理特征量對(duì)道路和非道路目標(biāo)的可區(qū)分度,最終確定逆差矩、熵、對(duì)比度等3個(gè)紋理特征為道路目標(biāo)最有效的特征描述量,用于后期的檢測(cè)分類(lèi)。(2)基于支持向量機(jī)SVM優(yōu)化后的道路分類(lèi)方法。提出了雙線(xiàn)性分段二分網(wǎng)格搜索方法,優(yōu)化了基于RBF核的SVM分類(lèi)器參數(shù)確定。首先,在初始搜索范圍內(nèi),尋找出滿(mǎn)足交叉驗(yàn)證最高正確率所對(duì)應(yīng)的懲罰因子,確定最佳搜索段。然后,分段采用二分法,迭代求解出每段SVM的最高正確率所對(duì)應(yīng)的最佳參數(shù);最后,找出SVM最高正確率的最大值對(duì)應(yīng)的最佳參數(shù),即為SVM模型參數(shù)優(yōu)化結(jié)果。與傳統(tǒng)的雙線(xiàn)性法、網(wǎng)格搜索法和雙線(xiàn)性網(wǎng)格搜索法等方法相比,本文提出的參數(shù)優(yōu)化方法訓(xùn)練量小,計(jì)算簡(jiǎn)單,學(xué)習(xí)精度高,使得SVM具有更高的泛化性能。在遙感圖像道路目標(biāo)檢測(cè)中,準(zhǔn)確率達(dá)到70%。(3)基于深度卷積神經(jīng)網(wǎng)絡(luò)VD-CNN結(jié)構(gòu)的道路識(shí)別方法。采用小卷積核疊加策略,選擇不同深度和規(guī)模的卷積層與池化層和全連接層,重構(gòu)了VD8、VD10、Lower VD10及Higher VD10等4種VD-CNN網(wǎng)絡(luò)結(jié)構(gòu)模型。通過(guò)4個(gè)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練及識(shí)別精度性能對(duì)比,重構(gòu)的基于小卷積核疊加的VD10-CNN網(wǎng)絡(luò)結(jié)構(gòu)因其合理的深度,取得了最好的道路分類(lèi)識(shí)別結(jié)果,準(zhǔn)確率達(dá)到93%。
【圖文】：

和技術(shù)還是存在著不少的難點(diǎn)和問(wèn)題，依然需要科研工作者的高度重視。只有繼續(xù)改進(jìn)和提高目標(biāo)分類(lèi)與識(shí)別性能，才能真正發(fā)揮出高分辨率遙感圖像目標(biāo)分類(lèi)與識(shí)別系統(tǒng)在國(guó)民經(jīng)濟(jì)發(fā)展的重要作用。1.2 研究問(wèn)題描述與處理框架目標(biāo)分類(lèi)與識(shí)別技術(shù)研究的地物目標(biāo)主要有道路、河流、橋梁、機(jī)場(chǎng)、飛機(jī)、港口碼頭、船舶等典型民用、軍事目標(biāo)。這些目標(biāo)信息大多是依賴(lài)于可見(jiàn)光、紅外、微波毫米波、雷達(dá)等不同的傳感器來(lái)獲取。本文研究的多光譜遙感圖像信息主要將來(lái)自于可見(jiàn)光和紅外波段傳感器獲取的影像數(shù)據(jù)。在通常情況下，可見(jiàn)光圖像空間分辨率高、呈現(xiàn)的目標(biāo)特征明顯，形狀直觀清楚、紋理信息豐富。不過(guò)，可見(jiàn)光圖像因受到光照條件影響和空中云霧干擾其圖像質(zhì)量會(huì)大大下降。紅外傳感器能夠捕獲目標(biāo)的熱輻射特征，所以，紅外波段圖像能夠反映出目標(biāo)的物理特性且沒(méi)有背景的干擾問(wèn)題。但是，紅外波段圖像信噪比較低、對(duì)比度較差。相對(duì)于可見(jiàn)光圖像，獲取目標(biāo)大多沒(méi)有形狀和紋理信息。結(jié)合可見(jiàn)光和紅外波段的圖像信息用于地物目標(biāo)分類(lèi)識(shí)別，是目前多光譜遙感圖像目標(biāo)分類(lèi)與識(shí)別的主要手段之一。

圖像的單一目標(biāo)分類(lèi)識(shí)別，其處理框架主要包括如圖 1.2 所和分類(lèi)識(shí)別等 4 個(gè)部分。各部分處理內(nèi)容如下：利用已知目標(biāo)的先驗(yàn)信息如模板、邊緣、輪廓，在遙感圖像信息。根據(jù)圖像的灰度值、彩色 RGB 三色值、亮度、紋理、形狀個(gè)圖像分成互不相交的若干個(gè)區(qū)域。同一區(qū)域內(nèi)特征應(yīng)一致明顯不同。針對(duì)目標(biāo)，提取反映目標(biāo)和其他不同目標(biāo)的不同類(lèi)別的特征唯一性和可區(qū)分性。圖像特征是指圖像的原始本身的屬性，，、紋理或色彩等視覺(jué)直接感受到的自然特征；變換頻譜、直測(cè)量等技術(shù)才能得到的人為特征。根據(jù)特征提取，對(duì)目標(biāo)進(jìn)行有效的描述，以此通過(guò)分類(lèi)器進(jìn)中的目標(biāo)進(jìn)行分類(lèi)并識(shí)別。例如，圖像目標(biāo)類(lèi)型可以利用機(jī)到相應(yīng)的目標(biāo)描述模型，然后，利用該模型再對(duì)測(cè)試圖像中
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP751;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王叢;;學(xué)習(xí)目標(biāo)分類(lèi)理論的意義[J];內(nèi)蒙古教育;2016年19期

2 劉倩蘭;;視頻中運(yùn)動(dòng)目標(biāo)分類(lèi)識(shí)別技術(shù)[J];電腦迷;2017年03期

3 王曙光;田西蘭;;基于功率譜估計(jì)的雷達(dá)氣動(dòng)目標(biāo)分類(lèi)方法[J];數(shù)字技術(shù)與應(yīng)用;2017年05期

4 趙洪立;王曙光;;基于多普勒頻譜結(jié)構(gòu)的雷達(dá)氣動(dòng)目標(biāo)分類(lèi)方法[J];科技視界;2017年06期

5 宋玉蓉;;好課好風(fēng)采[J];好家長(zhǎng);2017年13期

6 陳坪;;基于布盧姆目標(biāo)分類(lèi)學(xué)理論的教學(xué)實(shí)踐[J];文學(xué)教育(下);2013年10期

7 張棣華;;關(guān)于閱讀的評(píng)價(jià)目標(biāo)分類(lèi)問(wèn)題[J];上海教育科研;1987年03期

8 D.Giuli;M.Gherardelli;M.Fossi;王德純;;用極化判別進(jìn)行目標(biāo)分類(lèi)和識(shí)別[J];現(xiàn)代雷達(dá);1987年02期

9 J.S.陳;E.K.沃爾頓;陳振邦;;兩種目標(biāo)分類(lèi)技術(shù)的比較[J];國(guó)外艦船技術(shù).雷達(dá)與對(duì)抗;1987年04期

10 A. Farina;A. Visconti;陳振邦;;利用多重假設(shè)測(cè)試法對(duì)雷達(dá)目標(biāo)分類(lèi)[J];國(guó)外艦船技術(shù).雷達(dá)與對(duì)抗;1988年Z1期

相關(guān)會(huì)議論文 前10條

1 閆yN;;特征選擇方法在目標(biāo)分類(lèi)識(shí)別中的應(yīng)用研究[A];2014年水聲對(duì)抗技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2014年

2 周彬;余杰;毛世彪;孫微;;基于層次聚類(lèi)的水聲目標(biāo)分類(lèi)技術(shù)研究[A];浙江省信號(hào)處理學(xué)會(huì)2015年學(xué)術(shù)年會(huì)論文集[C];2015年

3 盧家楣;劉偉;賀雯;;課堂教學(xué)的情感目標(biāo)分類(lèi)與測(cè)評(píng)[A];第十一屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

4 曹東;王文光;陳城;;基于微動(dòng)特征的道路場(chǎng)景運(yùn)動(dòng)目標(biāo)分類(lèi)[A];第十三屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2019年

5 劉坤;劉福臣;;基于波數(shù)能量差異特征的被動(dòng)目標(biāo)分類(lèi)方法[A];2017中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2017年

6 羅環(huán)環(huán);;基于聚類(lèi)算法的多源目標(biāo)分類(lèi)問(wèn)題[A];中國(guó)造船工程學(xué)會(huì)電子技術(shù)學(xué)術(shù)委員會(huì)2017年裝備技術(shù)發(fā)展論壇論文集[C];2017年

7 任皓;計(jì)科峰;張愛(ài)兵;周石琳;;一種利用方位角信息的SAR目標(biāo)分類(lèi)方法[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

8 丘昌鎮(zhèn);任皓;鄒煥新;周石琳;;基于PCA和2D-PCA特征的SAR圖像目標(biāo)分類(lèi)性能比較[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

9 杜栓平;曹正良;;時(shí)間—頻率域特征提取及其應(yīng)用[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

10 王強(qiáng);曾向陽(yáng);;深度學(xué)習(xí)方法及其在水下目標(biāo)識(shí)別中的應(yīng)用[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2015年學(xué)術(shù)會(huì)議論文集[C];2015年

相關(guān)重要報(bào)紙文章 前3條

1 楊文;我省婦兒發(fā)展有了新目標(biāo)[N];山西日?qǐng)?bào);2007年

2 顏景運(yùn);千分考核促發(fā)展[N];中國(guó)質(zhì)量報(bào);2003年

3 廣東 蔡凡弟;無(wú)線(xiàn)IC卡的應(yīng)用[N];電子報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 白繼嵩;水下圖像處理及目標(biāo)分類(lèi)關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2017年

2 李峰;智能視頻監(jiān)控系統(tǒng)中的行人運(yùn)動(dòng)分析研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

3 梁鵬;基于內(nèi)容的目標(biāo)分類(lèi)識(shí)別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2011年

4 孟繁鋒;視頻目標(biāo)分類(lèi)、跟蹤及行為分析研究[D];哈爾濱工業(yè)大學(xué);2009年

5 曹健;基于局部特征的圖像目標(biāo)識(shí)別技術(shù)研究[D];北京理工大學(xué);2010年

6 聞帆;基于視覺(jué)的交通路口車(chē)輛智能檢測(cè)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

7 計(jì)科峰;SAR圖像目標(biāo)特征提取與分類(lèi)方法研究[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2003年

8 陳曉博;視頻監(jiān)控系統(tǒng)中的運(yùn)動(dòng)目標(biāo)識(shí)別匹配及跟蹤算法研究[D];北京郵電大學(xué);2011年

9 鄒騰躍;復(fù)雜環(huán)境目標(biāo)檢測(cè)與跟蹤關(guān)鍵技術(shù)研究及應(yīng)用[D];華中科技大學(xué);2013年

10 李志華;智能視頻監(jiān)控系統(tǒng)目標(biāo)跟蹤與分類(lèi)算法研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 施皓晨;基于機(jī)器學(xué)習(xí)的多光譜遙感圖像道路目標(biāo)分類(lèi)識(shí)別方法研究[D];南京航空航天大學(xué);2018年

2 木薩(MOUSSA AMRANI);雷達(dá)目標(biāo)分類(lèi)算法的研究與開(kāi)發(fā)[D];哈爾濱工業(yè)大學(xué);2018年

3 陳玉潔;SAR圖像飛機(jī)目標(biāo)分類(lèi)識(shí)別技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

4 汶茂寧;基于輪廓波CNN和選擇性注意機(jī)制的高分辨SAR目標(biāo)檢測(cè)和分類(lèi)[D];西安電子科技大學(xué);2018年

5 張藝爍;基于詞序列核函數(shù)的專(zhuān)利設(shè)計(jì)目標(biāo)分類(lèi)方法研究[D];河北工業(yè)大學(xué);2016年

6 陳大海;智能視頻監(jiān)控系統(tǒng)中目標(biāo)分類(lèi)技術(shù)研究與應(yīng)用[D];廣西大學(xué);2011年

7 李永輝;智能視頻監(jiān)控的運(yùn)動(dòng)目標(biāo)分類(lèi)技術(shù)研究[D];華南理工大學(xué);2014年

8 刁銳;知識(shí)目標(biāo)分類(lèi)下的概念圖教學(xué)應(yīng)用研究[D];四川師范大學(xué);2014年

9 趙紫蕙;微多普勒效應(yīng)在飛機(jī)目標(biāo)分類(lèi)中的應(yīng)用研究[D];西安電子科技大學(xué);2014年

10 阮龍;窄帶雷達(dá)飛機(jī)目標(biāo)分類(lèi)方法和雜波抑制方法研究[D];西安電子科技大學(xué);2013年

本文編號(hào)：2604861