建筑物作為城市的主要地理要素,不論是從國家發(fā)展層面還是城市發(fā)展規(guī)劃來講,對其空間位置及形狀信息的準確掌握具有非常重要的意義。高分辨率遙感影像特有的高空間分辨率,使得地物的細節(jié)信息得以更充分的表達,由此造成傳統(tǒng)基于像素的地物識別和提取方法遇到了瓶頸。因此,本文把建筑物作為研究目標,以面向?qū)ο蠓诸惣夹g為研究方法,綜合應用建筑物在高分辨率遙感影像上所呈現(xiàn)的光譜、紋理、幾何特征,對面向?qū)ο蟮母叻直媛蔬b感影像建筑物提取展開研究。文章的主要研究內(nèi)容及成果如下:（1）為改善經(jīng)典分水嶺變換方法造成的過分割現(xiàn)象,本文以區(qū)域分割方法中的分水嶺算法為基礎,主要從兩方面對其改進:一是結(jié)合Canny邊緣檢測算法獲取邊緣信息突出的梯度圖像;二是結(jié)合距離變換找出標記種子進行區(qū)域標記。（2）用改進分水嶺算法的結(jié)果圖輔助多尺度分割,實現(xiàn)多尺度分割技術的優(yōu)化。通過實驗分析,得出優(yōu)化后的多尺度分割方法兼?zhèn)銫anny邊緣檢測和改進分水嶺算法的特點。該方法既能清晰準確地表達出建筑物的邊緣信息又有效降低了多尺度分割中存在的過分割現(xiàn)象。（3）針對面向?qū)ο筮b感影像分類過程中存在的特征“維數(shù)災難”問題,本文提出一種 Relief F ... 

【文章來源】：西安科技大學陜西省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

實驗區(qū)域影像數(shù)據(jù)

2遙感影像對象分割方法12A-B之間，則根據(jù)相鄰的八個像素存在與否來判定。（5）使用Canny算法對影像數(shù)據(jù)進行初步處理，獲得初步的梯度影像。（6）對梯度圖像進行閾值處理。在處理過程種，定義了一個閾值用來控制二值化的程度，達到對梯度圖像的改進。具體公式如（2.4）：對于閾值的選擇，需要確定一個合適的數(shù)值，防止丟失關鍵信息導致后續(xù)操作連鎖反應分割錯誤區(qū)域。本文選擇了f(x,y)的眾數(shù)作為閾值。最終的梯度圖像如圖2.4所示：()()()≥<=εεyxfyxfyxg,,1,,0,(2.4)圖2.4梯度圖像經(jīng)閾值處理結(jié)果圖2.3.2基于距離的標記分水嶺算法結(jié)合對建筑物提取的背景要求，使用距離變換（DistanceTransform）獲取確定的前景色，找出marker種子。距離變換的處理圖像通常都是二值圖像，而二值圖像其實就是把圖像分為兩部分，一部分為目標對象，稱之為前景部分；另一部分是背景或干擾因素[52,53]。在指定灰度值時，前景部分賦值為255，圖中呈現(xiàn)亮白色；背景部分賦值為0，圖中呈現(xiàn)黑色。由此得出影像中前景部分中的像素點和背景部分相距越遠，其距離越大，當在某個像素點利用此距離值代替原來的像素值時，在新變換生成的圖中此點越亮。數(shù)學表達式如（2.5）：()()()>=otherwiseiffValueyyxTxyxdst,0,,,max,(2.5)

西安科技大學全日制工程碩士學位論文13最終結(jié)合背景和前景本文找出marker種子：()()=(,,,yxdstyxgyxf)(2.6)找到種子后利用two-pass算法尋找連通域，添加marker；并且利用分水嶺算法進行最終的分割，得到結(jié)果如圖2.5所示。并使用經(jīng)典的分水嶺變換算法進行影像分割實驗，完成對比驗證實驗，其分割結(jié)果如圖2.6所示：圖2.5改進分水嶺算法分割結(jié)果圖圖2.6經(jīng)典分水嶺分割結(jié)果

【參考文獻】：
期刊論文
[1]基于改進粒子群算法的醫(yī)學圖像分類研究[J]. 羅姍,邵艷華,李偉,蔡靜,陳德強.  湖北民族大學學報(自然科學版). 2020(02)
[2]分水嶺算法的改進及在圖像分割中的應用[J]. 韓懸,馬銀平.  現(xiàn)代信息科技. 2019(24)
[3]一種混合粒子群優(yōu)化遺傳算法的高分影像特征優(yōu)化方法[J]. 唐曉娜,張和生.  遙感信息. 2019(06)
[4]基于面向?qū)ο蟮慕ㄖ镄畔⑻崛》椒ㄑ芯縖J]. 賀曉璐,劉振華,胡月明.  河南理工大學學報(自然科學版). 2020(02)
[5]特征分量的城市建筑物面向?qū)ο筇崛》椒╗J]. 朱芳芳,李仲勤,楊樹文,楊猛.  測繪科學. 2020(01)
[6]基于對象分類的遙感影像森林變化檢測方法[J]. 雷鳴,田衛(wèi)新,任東,董婷.  森林與環(huán)境學報. 2019(06)
[7]一種結(jié)合MBI和SLIC算法的遙感影像建筑物提取方法[J]. 魏旭,高小明,岳慶興,郭正勝.  測繪與空間地理信息. 2019(10)
[8]基于高分二號遙感影像的樹種分類方法[J]. 李哲,張沁雨,彭道黎.  遙感技術與應用. 2019(05)
[9]基于分水嶺變換的多尺度遙感影像分割算法[J]. 王小剛.  北京測繪. 2019(08)
[10]利用高程信息結(jié)合彩色遙感航空影像提取建筑物目標[J]. 杜一民,戴激光.  測繪與空間地理信息. 2019(07)

博士論文
[1]面向?qū)ο蟮母叻直媛蔬b感影像特征選擇與分類研究[D]. 史蕾.武漢大學 2018

碩士論文
[1]融合LIDAR點云與正射影像的城區(qū)建筑物細化提取研究[D]. 王俊博.吉林大學 2019
[2]面向圖像分類的特征選擇方法[D]. 臧浩.北京交通大學 2019
[3]高光譜遙感影像分類方法的對比研究[D]. 張慧麗.中國地質(zhì)大學(北京) 2019
[4]特征選擇算法在基因表達數(shù)據(jù)分類中的應用[D]. 陳俊穎.中國計量大學 2018
[5]面向特征選擇的Relief算法研究[D]. 黃曉娟.蘇州大學 2018
[6]基于多層次分割分類模型及其特征空間優(yōu)化的高分辨率遙感影像城市建筑物提取研究[D]. 黨濤.蘭州大學 2018
[7]基于高分辨率遙感影像的城區(qū)建筑物提取方法研究[D]. 鄭璐.吉林大學 2017
[8]基于多特征Dempster-shafer證據(jù)融合的高分辨率遙感影像建筑物變化檢測[D]. 楊磊.西南交通大學 2016
[9]基于Worldview2影像的無錫新區(qū)地物信息提取[D]. 范馳.南京大學 2015
[10]基于TIN法向量的邊緣檢測與建筑物提取方法研究[D]. 師頓.西安電子科技大學 2014



本文編號：3445790