本文關鍵詞：基于時頻特征和支持向量機的高分辨率遙感影像道路提取

  更多相關文章： 遙感影像 道路提取 時頻特征 支持向量機 三維小波 遷移學習

【摘要】：道路是我國重要的基礎交通設施,每年國家在基礎建設上不斷加大投資力度,道路建設也呈現(xiàn)出逐年增長狀態(tài)。道路的實時更新對于車輛導航、交通管理、突發(fā)事件快速反應、城市規(guī)劃以及智慧城市等相關研究領域都具有十分重要的意義。遙感技術能夠提供大面積準實時的高分辨率影像,遙感影像上的光譜、紋理、空間結構特征越來越豐富,使得從遙感影像中提取道路信息成為可能。利用高分辨率遙感影像進行道路識別和提取,已成為圖像處理、計算機視覺和圖像理解等領域的重點研究課題之一,這不僅有益于豐富基礎地理信息,同時在軍事國防、城市規(guī)劃、環(huán)境規(guī)劃、地理信息更新和農業(yè)調查領域有著廣泛應用。本文采用航空航拍和衛(wèi)星遙感兩種不同平臺所獲取的高分辨率影像作為數(shù)據(jù)源,綜合運用時頻特征抽取技術和支持向量機分類等方面的知識,實現(xiàn)高分辨率遙感影像中的道路提取。主要內容及成果如下：1.闡述了從高分辨率航空以及衛(wèi)星遙感影像中提取道路的目的和意義,分析了國內外研究現(xiàn)狀以及現(xiàn)階段影響道路提取的幾大因素。2.介紹了遙感影像預處理相關基本理論知識,包括遙感影像的幾何校正,輻射校正,遙感影像空域增強和頻域增強,以及遙感影像融合的相關內容。為遙感影像預處理提供理論基礎。3.研究了一種基于地統(tǒng)計學特征抽取與支持向量機分類的遙感影像道路提取算法。首先分析了不同分辨率下的道路影像的特征,介紹了地統(tǒng)計學中變異函數(shù)和機器學習中支持向量機模型的基本理論；然后利用變異函數(shù)抽取紋理特征結合支持向量機分類進行道路粗分割,并采用道路形態(tài)特征與數(shù)學形態(tài)學相結合的方法處理道路區(qū)域；最后建立道路網絡。多組對比實驗結果表明,該算法較好地提取出了遙感影像中復雜道路。4.提出一種基于時頻特征抽取和遷移支持向量機分類的高分辨率遙感影像道路提取算法。首先,利用地統(tǒng)計學抽取道路的時域紋理特征,利用三維小波變換抽取道路的頻域光譜特征,時域紋理特征和頻域光譜特征構成高分辨率遙感影像中的道路特征。然后,使用抽取的道路特征訓練由遷移支持向量機模型構建的域自適應分類器,對高分辨率遙感影像進行道路粗提取。最后,結合道路形態(tài)特征,用數(shù)學形態(tài)學方法處理粗分類后的道路,獲得提取后的完整道路。仿真實驗結果表明,所提算法能有效降低高分辨率遙感影像道路提取中非道路目標的干擾,提高道路提取的精確性。
【關鍵詞】：遙感影像 道路提取 時頻特征 支持向量機 三維小波 遷移學習
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP751;TP18
【目錄】：

• 摘要3-5
• Abstract5-10
• 第一章 緒論10-20
• 1.1 研究背景與意義10-12
• 1.2 國內、外研究現(xiàn)狀12-16
• 1.2.1 基于像元的道路提取方法12-13
• 1.2.2 基于區(qū)域的道路提取方法13-14
• 1.2.3 基于知識的道路提取方法14-16
• 1.3 道路提取的影響因素16-18
• 1.4 本文研究內容和結構安排18-20
• 第二章 遙感影像預處理20-32
• 2.1 遙感影像校正20-25
• 2.1.1 遙感影像幾何校正20-23
• 2.1.2 遙感影像輻射校正23-25
• 2.2 遙感影像增強處理25-27
• 2.2.1 空域增強25-26
• 2.2.2 頻域增強26-27
• 2.3 遙感影像融合27-31
• 2.4 本章小結31-32
• 第三章 基于變異函數(shù)與支持向量機的道路提取算法32-50
• 3.1 不同分辨率下的道路影像特征描述與分析32-33
• 3.2 道路影像紋理特征提取33-39
• 3.2.1 地統(tǒng)計學概念33-34
• 3.2.2 經典統(tǒng)計學與地統(tǒng)計學的區(qū)別34-35
• 3.2.3 區(qū)域化變量概念和性質35
• 3.2.4 變異函數(shù)35-37
• 3.2.5 利用變異函數(shù)提取道路影像的紋理特征37-39
• 3.3 支持向量機分類39-42
• 3.3.1 支持向量機分類原理39-42
• 3.3.2 核函數(shù)42
• 3.4 道路形態(tài)特征和數(shù)學形態(tài)學處理42-44
• 3.4.1 道路的形態(tài)特征43
• 3.4.2 數(shù)學形態(tài)學處理43-44
• 3.5 道路提取流程44-46
• 3.6 實驗結果與分析46-49
• 3.7 本章小結49-50
• 第四章 基于時頻特征與遷移支持向量機的道路提取算法50-61
• 4.1 道路影像的光譜特征提取50-52
• 4.1.1 三維小波變換的概念50-51
• 4.1.2 利用三維小波變換提取道路影像的光譜特征51-52
• 4.2 遷移支持向量機分類52-55
• 4.2.1 遷移學習機原理52-53
• 4.2.2 遷移最小方差支持向量機分類模型53-55
• 4.3 道路提取流程55-56
• 4.4 實驗結果與分析56-60
• 4.5 本章小結60-61
• 第五章 總結與展望61-63
• 5.1 全文工作總結61-62
• 5.2 今后工作展望62-63
• 參考文獻63-68
• 致謝68-69
• 攻讀碩士期間發(fā)表的論文69
• 攻讀碩士期間參與的項目69

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 滿旺;;高分辨率遙感鈾礦地質勘查技術體系研究[J];廈門理工學院學報;2009年03期

2 武紅宇;方毅;;基于形態(tài)學的高分辨率遙感影像道路自動提取[J];科技視界;2012年18期

3 顧鈺培;肖蘭玲;凌婷婷;達利春;;一種基于高分辨率遙感影像的建筑物提取方法[J];測繪與空間地理信息;2014年04期

4 趙書河;;高分辨率遙感數(shù)據(jù)處理方法實驗研究[J];地學前緣;2006年03期

5 謝謙禮;程承旗;馬廷;;一種基于高分辨率遙感影像的道路提取方法[J];計算機工程與應用;2006年17期

6 羅軍;潘瑜春;王紀華;陸洲;曹榮龍;閻廣建;;基于高分辨率遙感影像的設施農業(yè)資源信息采集技術研究[J];地理與地理信息科學;2007年03期

7 邵蕓;郭華東;范湘濤;王爾和;朱博勤;馬建文;張風麗;;奧運主場館區(qū)工程環(huán)境高分辨率遙感監(jiān)測與虛擬仿真研究[J];遙感學報;2008年04期

8 邵蕓;;奧運主場館區(qū)高分辨率遙感監(jiān)測與虛擬仿真[J];高科技與產業(yè)化;2008年09期

9 陳世榮;馬海建;范一大;徐豐;連健;;基于高分辨率遙感影像的汶川地震道路損毀評估[J];遙感學報;2008年06期

10 韓春峰;米曉飛;;基于高分辨率遙感影像的人口信息的提取綜述[J];科技資訊;2010年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李艷芳;王生;;高分辨率遙感影像在公安行業(yè)的應用分析[A];第十七屆中國遙感大會摘要集[C];2010年

2 趙書河;王培法;肖鵬峰;馮學智;;高分辨率遙感應用研究[A];中國地理學會2006年學術年會論文摘要集[C];2006年

3 朱曉鈴;鄔群勇;;基于高分辨率遙感影像的城市道路提取方法研究[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

4 張劍清;鄭順義;張勇;張宏偉;李治江;;高分辨率遙感影像的精糾正[A];第十四屆全國遙感技術學術交流會論文摘要集[C];2003年

5 馬力;;基于高分辨率遙感影像的導航數(shù)據(jù)更新研究[A];中國地理信息系統(tǒng)協(xié)會第四次會員代表大會暨第十一屆年會論文集[C];2007年

6 陳君穎;田慶久;;高分辨率遙感植被分類模式研究[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

7 燕琴;張繼賢;劉玉紅;錢廣軍;;以影像序列糾正高分辨率遙感影像的應用研究[A];全面建設小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術年會論文集（上）[C];2003年

8 溫小歡;林廣發(fā);陳明華;陳友飛;;基于高分辨率遙感影像獨立樹冠提取方法之比較[A];中國地理學會百年慶典學術論文摘要集[C];2009年

9 羅震;楊存建;李小文;;基于高分辨率遙感影像的農村聚落信息的提取[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

10 董明;;基于高分辨率遙感影像的道路半自動提取方法研究[A];數(shù)字測繪與GIS技術應用研討交流會論文集[C];2008年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 本報記者 崔恩慧;如何“玩轉”高分辨率遙感技術?[N];中國航天報;2014年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 霍宏;生物視覺啟發(fā)的高分辨率遙感影像特征提取與目標檢測研究[D];上海交通大學;2014年

2 李榮亞;雙態(tài)云支持下高分辨率遙感存儲與計算一體化研究[D];浙江大學;2014年

3 陶超;高分辨率遙感影像中的城區(qū)與建筑物檢測方法研究[D];華中科技大學;2011年

4 陶超;高分辨率遙感影像中的城區(qū)與建筑物檢測方法研究[D];華中科技大學;2012年

5 洪亮;基于對象馬爾可夫模型的高分辨率遙感影像分割方法研究[D];武漢大學;2010年

6 陳杰;高分辨率遙感影像面向對象分類方法研究[D];中南大學;2010年

7 Rami Badawi（巴達衛(wèi)）;基于高分辨率遙感影像的南京典型城區(qū)綠地信息提取[D];南京大學;2012年

8 張道兵;高分辨率遙感影像中交互式道路提取算法研究[D];中國科學院研究生院（西安光學精密機械研究所）;2007年

9 馮甜甜;基于高分辨率遙感數(shù)據(jù)的城市精細尺度人口估算研究[D];武漢大學;2010年

10 李海霞;高分辨率遙感影像對象分類方法研究及其城鄉(xiāng)規(guī)劃監(jiān)測應用[D];中國農業(yè)大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 許潛金;基于高分辨率遙感影像與LiDAR點云的損毀建筑物提取方法研究[D];西南交通大學;2015年

2 李建飛;高分辨率遙感影像中的道路信息提取與表達方法研究[D];湖南工業(yè)大學;2015年

3 孫雯;微小衛(wèi)星低成本高分辨率遙感相機的設計和研制[D];蘇州大學;2015年

4 程臻;面向對象的高分辨率遙感影像全要素分類研究[D];哈爾濱工業(yè)大學;2015年

5 安麗;基于Hough變換的高分辨率遙感影像道路提取[D];東華理工大學;2015年

6 陳璐璐;土地利用動態(tài)監(jiān)測在土地執(zhí)法中的應用[D];南京農業(yè)大學;2014年

7 白金婷;結合高分辨率遙感影像多維特征的森林分類[D];北京林業(yè)大學;2016年

8 張曦;基于時頻特征和支持向量機的高分辨率遙感影像道路提取[D];安徽大學;2016年

9 康萌萌;基于共享特征的高分辨率遙感影像多層次分類研究[D];上海交通大學;2013年

10 潘旋;基于混疊采樣的高分辨率遙感光譜成像研究[D];西安電子科技大學;2013年

，

本文編號：912066