本文關(guān)鍵詞：高分辨率遙感圖像的道路提取與車輛檢測

  更多相關(guān)文章： 高分辨率遙感圖像 道路提取 分割算法 車輛檢測

【摘要】：隨著高分辨率遙感技術(shù)的發(fā)展,影像的紋理細節(jié)越來越豐富,這為遙感信息提取帶來了更多的機遇和挑戰(zhàn)。作為重要的地物骨架,道路信息的提取有著廣泛的應(yīng)用前景和研究價值。由于道路在低分辨率影像和高分辨率影像中表現(xiàn)的形式不同,有些傳統(tǒng)的道路提取方法不再適用。本文立足于高分辨率遙感圖像針對高分一號、高分二號、北京二號三種數(shù)據(jù)源進行了基于分割的道路提取方法的研究。此外,高分辨率的影像顯露出許多道路細節(jié)信息,使得車輛的檢測與識別成為可能。本文使用高分二號數(shù)據(jù)源提出了基于雙閾值的車輛檢測方法的改進,主要工作如下:論文首先研究了基于聚類分割的道路提取方法,采用了基于模糊C均值聚類和改進的K-means聚類兩種算法對影像進行分割。聚類后的結(jié)果包括和道路光譜特征相似的建筑物等其他地物,接下來又結(jié)合了數(shù)學(xué)形態(tài)學(xué)和形狀濾波等操作對結(jié)果進行后處理。山區(qū)道路形狀細長、方向多變,在影像中常常會出現(xiàn)因樹木陰影造成的斷裂。而山區(qū)道路的斷裂距離與道路寬度的比值相對較大,使得傳統(tǒng)的形態(tài)學(xué)等斷路連接算法效果不佳。本文提出了一種基于凸包函數(shù)距離閾值的道路連接方法,對于山區(qū)斷裂道路的連接起到了很好的效果。接下來,論文研究了基于改進的分水嶺分割算法的道路提取,引入基于自適應(yīng)閾值的前景標(biāo)記和基于形態(tài)學(xué)重建的背景標(biāo)記來修改梯度圖像,很好得消除了原始方法中過分割的現(xiàn)象。在得到分割結(jié)果之后,利用形狀、光譜等信息提取出道路。最后,論文提出了一種改進的車輛檢測算法。通過雙閾值對道路中亮、暗色車輛進行檢測,再對結(jié)果進行噪聲及干擾地物去除、陰影去除等后處理。由于高分二號數(shù)據(jù)源中部分亮色車輛由于暗色車窗的影響會造成一定誤檢現(xiàn)象,本文提出了一種整車檢測與處理算法,并證明了其有效性。
【關(guān)鍵詞】：高分辨率遙感圖像 道路提取 分割算法 車輛檢測
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-18
• 1.1 研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-13
• 1.2.1 道路提取發(fā)展現(xiàn)狀9-11
• 1.2.2 分割算法的研究現(xiàn)狀11-12
• 1.2.3 車輛檢測的研究現(xiàn)狀12-13
• 1.3 數(shù)據(jù)源和場景介紹13-15
• 1.3.1 數(shù)據(jù)源選取說明13-14
• 1.3.2 道路場景描述14-15
• 1.4 論文主要研究內(nèi)容及結(jié)構(gòu)安排15-18
• 第2章 基于聚類分割的道路提取算法18-33
• 2.1 引言18
• 2.2 改進后的K-means聚類分割18-22
• 2.3 模糊C均值聚類分割22-25
• 2.4 后處理與道路提取25-29
• 2.4.1 數(shù)學(xué)形態(tài)學(xué)理論25-26
• 2.4.2 形狀特征后處理26-27
• 2.4.3 基于凸包的斷裂道路連接27-29
• 2.5 實驗與結(jié)果分析29-32
• 2.6 本章小結(jié)32-33
• 第3章 基于改進分水嶺算法的道路提取33-45
• 3.1 引言33
• 3.2 分水嶺分割原理及改進33-36
• 3.2.1 分水嶺分割概述33-35
• 3.2.2 本研究改進技術(shù)流程35-36
• 3.3 基于自適應(yīng)閾值梯度的分水嶺分割前景標(biāo)記提取36-41
• 3.3.1 彩色向量空間梯度描述36-38
• 3.3.2 用結(jié)合邊緣信息的自適應(yīng)閾值梯度實現(xiàn)前景標(biāo)記提取38-41
• 3.4 基于形態(tài)學(xué)的分水嶺分割背景標(biāo)記提取及道路后處理41-43
• 3.4.1 距離變換進行背景標(biāo)記41-42
• 3.4.2 道路后處理42-43
• 3.5 道路提取結(jié)果分析43-44
• 3.6 本章小結(jié)44-45
• 第4章 道路車輛的檢測與提取45-53
• 4.1 引言45
• 4.2 基于改進雙閾值的車輛檢測算法45-47
• 4.3 陰影及干擾地物去除47-49
• 4.4 整車檢測與處理49-51
• 4.5 實驗與結(jié)果分析51-52
• 4.6 本章小結(jié)52-53
• 結(jié)論53-55
• 參考文獻55-62
• 致謝62

，

本文編號：661958