本文關(guān)鍵詞： 居民地提取 超級像素 最大相似性區(qū)域合并　出處：《東華理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來,隨著人口的不斷增加,農(nóng)村居民地的規(guī)模也在不斷變化,如何及時準(zhǔn)確的監(jiān)測農(nóng)村居民地的變化,成為亟待解決的問題。由于利用高分辨率影像提取居民地具有實地測量難以比擬的優(yōu)勢,其可以不受地形、海拔等各種自然條件限制。然而由于農(nóng)村居民地包含道路、樹木、建筑物等一系列信息,而且影像分辨率越高,其紋理、顏色信息更加豐富,雖然可將農(nóng)村居民地的細節(jié)信息表現(xiàn)的更加清楚,但其光譜差異隨之增大,傳統(tǒng)基于光譜分類的居民地提取方法無法有效的從高分辨率影像上提取居民地。為了能夠有效的從高分辨率影像中提取居民地,本文提出一種基于超級像素的全自動提取方法。該方法首先利用保拓撲的超級像素方法ETPS將影像分割成一系列具有相似特征且不破壞影像邊界信息的超級像素;然后計算各超級像素的顏色直方圖,并用超級像素顏色直方圖的巴氏系數(shù)(Bhattacharyya Coefficient,BC)表征超級像素間相似度;最后,基于最大相似性的區(qū)域合并(MSRM)準(zhǔn)則在地名坐標(biāo)的引導(dǎo)下將超級像素合并為居民地區(qū)域和背景區(qū)域。利用提出方法,對0.5米和1米高分辨率衛(wèi)星影像進行了居民地提取實驗。結(jié)果表明,該方法可提取具有一定規(guī)模的居民地,驗證了提出方法的可行性和有效性。本文的目的是探索利用超級像素方法和最大相似性的區(qū)域合并方法用于高分辨率影像居民地自動提取的可能性和存在的問題。論文首先分析比較幾種典型的超級像素分割算法,然后選取比較好控制的超級像素算法作為居民地提取的方法。在居民地提取過程中,采用地名調(diào)查的地名坐標(biāo)作為種子,以最大程度地減少人工交互的需要,盡可能提高居民地提取的自動化。同時,利用超級像素的梯度直方圖改進了相似性測度,從背景和目標(biāo)競爭性出發(fā)改進了區(qū)域合并的流程。由于時間的關(guān)系,本論文著重研究居民地自動提取的流程,驗證基于超級像素和區(qū)域合并方法的居民地自動提取的可行性。今后可以在區(qū)域合并過程中加入更多的影像信息,并利用建筑物顯著性等特征來細化居民地的初始范圍選擇等方面進一步深入研究。
[Abstract]:In recent years, with the continuous increase of population, the scale of rural residential land is also constantly changing, how to timely and accurately monitor the changes of rural residential land, It is an urgent problem to be solved. Because the use of high-resolution images to extract resident land has the advantage of being incomparable to field surveying, it can not be restricted by various natural conditions, such as topography, elevation, etc. However, because rural residents include roads, trees, and so on, A series of information, such as buildings, and the higher the resolution of the image, the richer the texture and color information. Traditional methods based on spectral classification can not effectively extract resident land from high-resolution images. In this paper, an automatic extraction method based on super-pixel is proposed. Firstly, a topology-preserving super-pixel method (ETPS) is used to segment the image into a series of superpixels with similar characteristics without breaking the edge information of the image. Then the color histogram of each super pixel is calculated, and the similarity between the super pixels is characterized by the Pasteur coefficient of the super pixel color histogram and the Bhattacharyya coefficient of the super pixel color histogram. Finally, Based on the maximum similarity, the MSRM) criterion merges super pixels into residential and background areas under the guidance of geographical names coordinates. The experiments of extracting 0.5 and 1 meters high resolution satellite images have been carried out. The results show that the proposed method can be used to extract residential land of a certain scale. The feasibility and effectiveness of the proposed method are verified. The purpose of this paper is to explore the possibility and problems of using the super-pixel method and the maximum similarity region merging method for automatic extraction of high-resolution image residents. Firstly, several typical super pixel segmentation algorithms are analyzed and compared. Then the super-pixel algorithm which is well controlled is selected as the method of inhabitants' extraction. In the process of inhabitants' extraction, the toponymic coordinates of toponymic survey are used as seeds to minimize the need of artificial interaction. At the same time, the similarity measure is improved by using gradient histogram of super pixels, and the process of region merging is improved based on the competition of background and target. This paper focuses on the process of automatic extraction of residents' land, and verifies the feasibility of automatic extraction of residents' land based on the method of super pixel and region merging. In the future, more image information can be added to the process of region merging. Further research is carried out by using the characteristics of building significance to refine the initial range selection of residential land.
【學(xué)位授予單位】：東華理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P237

【參考文獻】

相關(guān)期刊論文 前10條

1 吳文歡;于宏;趙英俊;陸冬華;伊丕源;;基于面向?qū)ο蟮母叻直媛蔬b感影像目標(biāo)信息提取[J];世界核地質(zhì)科學(xué);2016年02期

2 段磊;李洪偉;;OIA技術(shù)支持的高分辨率影像鄉(xiāng)村居民地本體建模方法[J];現(xiàn)代農(nóng)業(yè)科技;2016年02期

3 張曉平;;幾種新超像素算法的研究[J];控制工程;2015年05期

4 孫巍;郭敏;;基于SLIC與條件隨機場的圖像分割算法[J];計算機應(yīng)用研究;2015年12期

5 周紹光;孫金彥;凡莉;向晶;陳超;;高分辨率遙感影像的建筑物輪廓信息提取方法[J];國土資源遙感;2015年03期

6 宋熙煜;周利莉;李中國;陳健;曾磊;閆鑌;;圖像分割中的超像素方法研究綜述[J];中國圖象圖形學(xué)報;2015年05期

7 陶超;鄒崢嶸;丁曉利;;利用角點進行高分辨率遙感影像居民地檢測方法[J];測繪學(xué)報;2014年02期

8 康萌萌;鄭來文;霍宏;方濤;;基于共享特征的高分辨率遙感影像多級分類[J];計算機工程;2013年10期

9 王春瑤;陳俊周;李煒;;超像素分割算法研究綜述[J];計算機應(yīng)用研究;2014年01期

10 方靜;陳榮清;;村域單元視域下農(nóng)村居民點整理的潛力分析——以江西省高安市為例[J];東華理工大學(xué)學(xué)報(社會科學(xué)版);2013年02期

相關(guān)博士學(xué)位論文 前7條

1 沈小樂;視覺注意機制下面向?qū)ο蟾叻直媛蔬b感影像建筑物提取[D];武漢大學(xué);2014年

2 劉毅;基于圖割的交互式圖像分割算法研究[D];南京理工大學(xué);2013年

3 夏瑜;視覺跟蹤新方法及其應(yīng)用研究[D];江南大學(xué);2013年

4 方江雄;基于變分水平集的圖像分割方法研究[D];上海交通大學(xué);2012年

5 陳丹;基于優(yōu)化決策樹的高分辨率遙感影像分類技術(shù)研究[D];武漢大學(xué);2010年

6 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(xué);2010年

7 黃昕;高分辨率遙感影像多尺度紋理、形狀特征提取與面向?qū)ο蠓诸愌芯縖D];武漢大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 林熙;聯(lián)合語義約束和面向?qū)ο蠓椒ㄌ崛∩絽^(qū)居民地信息[D];西南交通大學(xué);2016年

2 梅尚健;基于特征融合的圖像檢索研究與實現(xiàn)[D];西南交通大學(xué);2015年

3 徐俊峰;多特征融合的遙感影像變化檢測技術(shù)研究[D];解放軍信息工程大學(xué);2015年

4 馬平平;基于區(qū)域自適應(yīng)的圖像間顏色遷移算法與性能評價[D];南京理工大學(xué);2014年

5 尹雪飛;協(xié)同顯著目標(biāo)區(qū)域檢測及其參數(shù)優(yōu)化方法研究[D];天津大學(xué);2014年

6 孫晶;基于貝葉斯模型的圖像顯著度檢測[D];大連理工大學(xué);2013年

7 胡宇;農(nóng)村居民點空間分布特征及用地適宜性評價研究[D];湖南師范大學(xué);2013年

8 陳鑫鏢;面向?qū)ο蟮木用竦刈兓瘷z測方法研究[D];中南大學(xué);2013年

9 陳洪;高分辨率遙感影像居民地提取方法研究[D];中南大學(xué);2013年

10 魏德強;高分辨率遙感影像建筑物提取技術(shù)研究[D];解放軍信息工程大學(xué);2013年

，

本文編號：1555740