学位论文 > 优秀研究生学位论文题录展示

高分辨率遥感图像的层次化分析方法

作　者: 周晖
导　师: 王润生
学　校: 国防科学技术大学
专　业: 信息与通信工程
关键词: 高分辨率遥感图像图像分类图像分割目标检测局部二进制模式纹理算子上下文信息组合分割策略概率潜在语义分析
分类号: TP751
类　型: 博士论文
年　份: 2010年
下　载: 322次
引　用: 3次
阅　读: 论文下载

内容摘要

遥感技术的发展使我们能够获得丰富的对地观测信息,尤其是近些年来高分辨率遥感图像的出现更是扩大了对自然界观察的内容。但面临的挑战是如何对这些数据进行有效处理,使之能转换为便于应用的信息。为此,论文以层次化处理策略为贯穿线索,对高分辨率遥感图像分析中涉及的理论方法进行了深入而系统的研究。在遥感图像纹理特征提取研究中,论文提出LBP(local binary pattern)纹理算子的一种改进扩展形式,克服了原有算子无法有效使用“非一致模式中”的纹理信息这一主要缺点。根据预先定义的结构性与相似性度量,这种扩展形式将“非一致模式”合理地分类与组合,使LBP算子具有更好的纹理判别能力和抗噪声能力。在高分辨率遥感图像层次化分类研究中,由于不同地物之间可视属性表现出的模糊性和不确定性,对其精确分类成为一项极富挑战性的工作。为此,论文提出一种融合利用多层次上下文信息的分类算法。该算法以面向对象的分类方法为基础,分三个阶段使用了从简单局部到复杂全局的上下文信息。同时,随着后一阶段引入相对于前一阶段来说更高层的上下文信息,使得分类结果逐步优化、最终实现了精度较高的地物分类。在高分辨率遥感图像层次化分割研究中,论文提出两种新颖的组合分割算法,以改进传统方法存在的不足。一是整合使用已有的组合方法,即首先基于嵌入式的组合策略利用分水岭变换产生初始分割区域;然后基于后处理式的组合策略利用MRF模型修正、合并初始分割区域。二是设计了新的组合策略,即根据图像中不同区域属性的分析结果,自适应地选择每个区域中最具代表性的分割线索,并使用合适的方法对其精分割。该算法融合了不同分割线索与方法的优势,提供了更符合人眼感知的分割结果。在高分辨率遥感图像层次化目标检测研究中,针对图像目标与其使用的特征集之间很难存在排他性的对应关系,论文提出一种基于概率潜在语义分析的层次化目标表述方法。该方法在常用目标表述方式中引入了一层潜在语义分析,从而不再简单地使用特征直接表示目标,而是根据不同潜在语义的概率分布来表示。由于潜在语义的分布比简单的特征分布更能反映目标的本质属性,因此,所提出的多层次表述方法能够更有效地刻画不同目标之间的区别。将其应用于舰船目标检测任务中,获得了令人满意的实验结果。

全文目录

摘要  10-12
Abstract  12-14
第一章绪论  14-26
  1.1 课题背景及研究意义  14-18
    1.1.1 高分辨率遥感图像的发展历史  14-15
    1.1.2 高分辨率遥感图像的显著特点  15-16
    1.1.3 高分辨率遥感图像信息提取面临的挑战  16-18
  1.2 高分辨率遥感图像分析方法研究现状  18-24
    1.2.1 相关理论概述  18-21
    1.2.2 高分辨率遥感图像分析方法的发展趋势  21-23
    1.2.3 国内外研究机构与主流处理软件  23-24
  1.3 论文主要工作  24-25
  1.4 论文内容安排  25-26
第二章基于LBP 算子的纹理图像特征提取  26-52
  2.1 引言  26-27
  2.2 纹理分析研究现状  27-30
    2.2.1 纹理的定义  27-28
    2.2.2 纹理特征提取  28-30
  2.3 LBP 算子  30-37
    2.3.1 LBP 算子的基本形式  30-31
    2.3.2 LBP 算子的扩展形式  31-35
    2.3.3 与其他典型纹理表述方法的联系与区别  35-37
  2.4 LBP 算子的改进扩展形式  37-42
    2.4.1 LBP 算子的设计思想  37-38
    2.4.2 LBP 算子中一致模式的主要问题  38-39
    2.4.3 改进的扩展形式及其实现  39-42
  2.5 面向纹理图像的实验结果与分析  42-48
    2.5.1 统计特性分析  42-43
    2.5.2 区分能力评价  43-46
    2.5.3 分类性能评价  46-48
  2.6 面向遥感图像的实验结果与分析  48-51
    2.6.1 实验准备  49-50
    2.6.2 结果评价  50-51
  2.7 本章小结  51-52
第三章高分辨率遥感图像层次化分类  52-76
  3.1 引言  52-53
  3.2 图像中的上下文信息  53-58
    3.2.1 上下文信息的基本概念  53-55
    3.2.2 上下文信息的表示方法  55-56
    3.2.3 基于上下文信息的分类  56-58
  3.3 融合多层次上下文信息的图像分类  58-67
    3.3.1 基于内部上下文信息的初始化分类  59-62
    3.3.2 基于邻域上下文信息的分类结果修正  62-63
    3.3.3 基于场景上下文信息的分类结果精炼  63-67
  3.4 实验结果与分析  67-74
    3.4.1 实验区域与数据  68
    3.4.2 基于不同上下文信息分类的性能评价  68-72
    3.4.3 基于不同分类方法的性能评价  72-74
  3.5 本章小结  74-76
第四章高分辨率遥感图像层次化分割  76-102
  4.1 引言  76-77
  4.2 图像的组合分割方法回顾  77-80
    4.2.1 嵌入式组合策略  77-78
    4.2.2 后处理式组合策略  78-79
    4.2.3 不同组合策略的对比分析  79-80
  4.3 基于分水岭变换和MRF 的组合分割  80-85
    4.3.1 多线索信息提取  81
    4.3.2 结合多线索信息的分水岭变换  81-83
    4.3.3 基于MRF 的过分割编组  83
    4.3.4 分割性能测试  83-85
  4.4 基于图像内容属性的组合分割  85-93
    4.4.1 区域类型的定义  85-87
    4.4.2 组合分割框架的实现  87-90
    4.4.3 区域分割的实现  90-93
  4.5 实验结果与分析  93-101
    4.5.1 性能评价度量  93-95
    4.5.2 所提组合分割算法的有效性分析  95-98
    4.5.3 不同分割算法的性能差异分析  98-101
  4.6 本章小结  101-102
第五章高分辨率遥感图像层次化目标检测  102-123
  5.1 引言  102-103
  5.2 目标检测相关算法回顾  103-109
    5.2.1 目标检测的基本方法  103-107
    5.2.2 遥感图像中的舰船检测  107-109
  5.3 PLSA 基础理论  109-112
    5.3.1 PLSA 提出的动机  109-110
    5.3.2 PLSA 的模型定义与拟合  110-112
  5.4 基于PLSA 模型的遥感图像目标检测  112-117
    5.4.1 候选区域确定  113-114
    5.4.2 候选区域鉴别  114-117
  5.5 实验结果与分析  117-121
    5.5.1 实验建立  117
    5.5.2 算法参数分析  117-120
    5.5.3 检测性能分析  120-121
  5.6 本章小结  121-123
第六章结论与展望  123-125
致谢  125-126
参考文献  126-140
攻读博士期间取得的学术成果  140-142
攻读博士期间参加和完成的科研任务  142

相似论文

双传感器图像联合目标检测及系统实现研究,TP391.41
森林防火系统中图像识别算法的研究,TP391.41
基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
移动机器人视觉检测和跟踪研究,TP242.62
数字图像处理在集装箱检测中的应用研究,TP274.4
个性化人工膝关节设计及其生物力学特性研究,R318.1
基于图像处理技术的烟叶病害自动识别研究,S435.72
红外图像目标识别及跟踪技术研究,TP391.41
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于运动目标轨迹分析的智能交通监控系统,TP277
基于“词袋”模型的图像分类系统,TP391.41
基于视频的运动目标检测与跟踪方法应用研究,TP391.41
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
基于支持向量机的视频目标检测方法研究,TP391.41
基于主动视觉的运动目标检测与跟踪研究,TP391.41
嵌入式多参数环境智能监测系统的设计与实现,TP274
基于知识的脊柱MRI影像分割算法研究,TP391.41
基于OpenCV的人脸检测方法研究,TP391.41
计算机辅助髋关节置换手术系统研究与开发,TP391.41
视频监控运动目标检索方法研究,TP391.41
安防监控系统中运动目标检测算法研究,TP391.41