隨著手機(jī)等移動(dòng)通信設(shè)備的普及到現(xiàn)在物聯(lián)網(wǎng)時(shí)代的來(lái)臨,移動(dòng)通信技術(shù)在過(guò)去十幾年得到了快速的發(fā)展。通信技術(shù)不斷地發(fā)展不僅促進(jìn)了社會(huì)的進(jìn)步,國(guó)民經(jīng)濟(jì)的發(fā)展,也很大程度地改變了人們傳統(tǒng)的生活方式。隨著5g通信技術(shù)的到來(lái),需要使用新型的基站對(duì)信號(hào)進(jìn)行傳播,這種基站被稱為微基站。因?yàn)槲⒒竟β瘦^小,基站周圍的建筑物會(huì)對(duì)信號(hào)傳播產(chǎn)生影響。為了減小建筑物對(duì)信號(hào)傳播的影響,我們需要選擇一個(gè)好的位置安裝基站。所以快速地對(duì)基站周圍的建筑物的高度、面積進(jìn)行統(tǒng)計(jì)受到越來(lái)越多的關(guān)注。由于城市中建筑物密集,人工測(cè)量的方法低效并且更新不夠及時(shí)。隨著互聯(lián)網(wǎng)的發(fā)展,電子地圖越來(lái)越普及,人們可以隨時(shí)通過(guò)網(wǎng)站獲取某一建筑物的高分辨率衛(wèi)星照片,因此通過(guò)電子地圖對(duì)建筑物屬性提取的方法越來(lái)越受到歡迎。本文主要基于市面上的電子地圖,通過(guò)對(duì)電子地圖中建筑物輪廓以及建筑物陰影的提取,進(jìn)而確定建筑物的大小等信息,為微基站的選址以及改善通信質(zhì)量提供數(shù)據(jù)支持。在對(duì)建筑物面積進(jìn)行估算時(shí),首先要提取建筑物的輪廓,通過(guò)聚類方法對(duì)建筑物進(jìn)行平滑,去除小的噪聲點(diǎn),并且將前景與背景的顏色進(jìn)行增強(qiáng)。然后將彩色圖像轉(zhuǎn)化為灰度圖像計(jì)算最優(yōu)分割閾值,利用最優(yōu)分割閾值對(duì)圖像進(jìn)行分割,得到了想要提取的建筑物前景圖像,然后利用圖像形態(tài)學(xué)技術(shù)以及孔洞填充算法對(duì)圖像進(jìn)行優(yōu)化,剔除噪聲,然后利用輪廓跟蹤算法對(duì)建筑物的輪廓進(jìn)行提取,并且利用面積閾值以及長(zhǎng)寬比閾值對(duì)提取的輪廓進(jìn)行篩選,最后得到建筑物的輪廓。使用漫水算法對(duì)建筑物的輪廓進(jìn)行填充計(jì)算面積,得到了準(zhǔn)確率為94.16%的面積估算效果。對(duì)建筑物的高度進(jìn)行估算時(shí),我們要提取建筑物的陰影輪廓,首先利用陰影的灰度值較小的特點(diǎn)提出一種動(dòng)態(tài)計(jì)算陰影分割閾值的方法,對(duì)建筑物的陰影進(jìn)行提取,其次通過(guò)對(duì)陰影周圍的地物進(jìn)行提取,通過(guò)判斷該地物是否是建筑物來(lái)對(duì)提取的陰影輪廓進(jìn)行篩選,然后通過(guò)改進(jìn)的角點(diǎn)距離法計(jì)算陰影長(zhǎng)度,利用建筑物陰影長(zhǎng)度與建筑物高度以及衛(wèi)星方位角,太陽(yáng)方位角等參數(shù)對(duì)建筑物的高度進(jìn)行計(jì)算,通過(guò)該方法對(duì)建筑物高度進(jìn)行估算,得到了準(zhǔn)確率為90.40%的高度估算效果。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類】：P289;TN929.5
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和研究意義
    1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
    1.3 本文的主要工作與創(chuàng)新
    1.4 本文章節(jié)安排
第二章 輪廓提取的基本算法
    2.1 引言
    2.2 衛(wèi)星遙感圖像分割技術(shù)
    2.3 圖像形態(tài)學(xué)基礎(chǔ)
        2.3.1 腐蝕與膨脹
        2.3.2 開(kāi)操作和閉操作
        2.3.3 點(diǎn)生長(zhǎng)法尋找連通區(qū)域
        2.3.4 孔洞填充
    2.4 輪廓跟蹤
    2.5 本章小結(jié)
第三章 建筑物輪廓提取
    3.1 引言
    3.2 輪廓提取
        3.2.1 圖像分割
        3.2.2 輪廓提取與篩選
    3.3 輪廓提取效果分析
    3.4 本章小結(jié)
第四章 建筑物的陰影輪廓提取
    4.1 引言
    4.2 衛(wèi)星遙感圖像中陰影的提取方法
        4.2.1 陰影的性質(zhì)
        4.2.2 陰影的輪廓提取
        4.2.3 陰影輪廓的篩選
    4.3 建筑物輪廓提取結(jié)果進(jìn)行修正
    4.4 本章小結(jié)
第五章 建筑物高度及面積的估算
    5.1 引言
    5.2 建筑物高度的估算方法
        5.2.1 陰影長(zhǎng)度的估算方法
        5.2.2 計(jì)算建筑物高度的公式
    5.3 建筑物面積的估算方法
    5.4 建筑物面積以及高度估算的結(jié)果及分析
        5.4.1 建筑物面積的估算結(jié)果
        5.4.2 建筑物高度的估算結(jié)果
    5.5 小結(jié)
第六章 系統(tǒng)的設(shè)計(jì)與展示
    6.1 引言
    6.2 系統(tǒng)設(shè)計(jì)方法及技術(shù)
        6.2.1 前端實(shí)現(xiàn)
        6.2.2 服務(wù)器端實(shí)現(xiàn)
    6.3 系統(tǒng)的使用方法及效果展示
    6.4 本章小結(jié)
第七章 全文總結(jié)與展望
    7.1 完成工作
    7.2 未來(lái)展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 聶歡歡;伊磊;劉任平;;基于區(qū)域生長(zhǎng)法提取二值圖像中的連通區(qū)域[J];計(jì)算機(jī)時(shí)代;2012年06期

2 宗蘇;;用自動(dòng)閾值分割的方法將灰度圖像轉(zhuǎn)化成二值圖[J];文體用品與科技;2011年12期

3 張德才;周春光;周強(qiáng);池淑珍;王甦菁;;基于輪廓的孔洞填充算法[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2011年01期

4 楊露菁;郝威;劉忠;王德石;;基于多特征空間與神經(jīng)網(wǎng)絡(luò)的SAR圖像識(shí)別方法[J];系統(tǒng)工程與電子技術(shù);2009年12期

5 劉麗;匡綱要;;圖像紋理特征提取方法綜述[J];中國(guó)圖象圖形學(xué)報(bào);2009年04期

6 韓彩夏;王曉宇;;基于Mean-shift算法與模糊熵的圖像平滑[J];計(jì)算機(jī)應(yīng)用;2009年01期

7 王永剛;劉慧平;;利用角點(diǎn)最近距離統(tǒng)計(jì)平均法計(jì)算建筑物陰影長(zhǎng)度[J];國(guó)土資源遙感;2008年03期

8 田新光;張繼賢;張永紅;;利用QuickBird影像的陰影提取建筑物高度[J];測(cè)繪科學(xué);2008年02期

9 張桂芳;單新建;尹京苑;馬照松;趙俊娟;;單幅高空間分辨率衛(wèi)星圖像提取建筑物三維信息的方法研究[J];地震地質(zhì);2007年01期

10 周猛;李鋼;;一種具有抗噪聲干擾的圖像輪廓跟蹤算法的研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年09期

相關(guān)博士學(xué)位論文 前2條

1 張大明;基于圖理論的圖像分割和分類算法研究[D];安徽大學(xué);2011年

2 幸銳;基于紋理的圖像聚類研究[D];浙江大學(xué);2009年

相關(guān)碩士學(xué)位論文 前3條

1 耿帥;基于數(shù)學(xué)形態(tài)學(xué)的圖像去噪[D];山東師范大學(xué);2012年

2 唐峰;基于稀疏編碼與機(jī)器學(xué)習(xí)的圖像內(nèi)容識(shí)別算法研究[D];上海交通大學(xué);2011年

3 陸見(jiàn)微;高分辨率遙感圖像中建筑物外形自動(dòng)提取方法研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2006年

本文編號(hào)：2850313