学位论文 > 优秀研究生学位论文题录展示

高分辨率遥感图像目标识别方法研究

作 者: 彭碧发
导 师: 谭毅华
学 校: 华中科技大学
专 业: 模式识别与智能系统
关键词: 目标识别 高分辨率遥感图像 机场识别 桥梁识别
分类号: TP751
类 型: 硕士论文
年 份: 2011年
下 载: 49次
引 用: 0次
阅 读: 论文下载
 

内容摘要


目前,随着遥感图像的分辨率的提高,遥感图像提供的信息越来越丰富,使得感兴趣的目标(如机场,水上桥梁)自动识别成为可能,这类对象的精确识别在民用导航和军事等多方面都有着很大的意义。近年来,许多研究者在这方面都做了很多的工作,但是很多都是针对低分辨率遥感图像,并且各种方法都不够完善。本文对高分辨率遥感图像目标识别技术进行了一定的研究,不仅介绍了目标识别中存在的一些基本理论和方法,而且对高分辨率遥感图像中机场识别和水上桥梁识别方法进行了研究。本文研究特点主要包括以下几个方面:首先,介绍了目标自动识别中会用到的一些基本理论和方法,包括对象的分割技术,特征提取技术和分类器。其中的分割技术主要介绍了Meanshift分割技术,特征提取技术介绍了局部特征SURF特征和纹理特征,并且简单介绍了支持向量机的基本原理。其次,介绍了一种识别高分辨率遥感图像中机场的方法。提出一种基于SURF特征点和区域信息的机场方法,该方法使用双层金字塔结构,首先在低尺度中检测的候选区域,然后将这些候选区域映射到原始的尺度中,使用先验知识来识别机场。最后,介绍了一种识别高分辨率遥感图像中水上桥梁的方法。提出了一种全新水上桥梁识别的流程,流程分为四个步骤:桥梁粗提取、计算桥梁方向、桥梁精确提取和桥梁识别。其中桥梁方向计算使用了圆盘算法,通过实验结果表明,该方法不仅减少了计算量,还提高了计算的精度。

全文目录


摘要  4-5
Abstract  5-8
1 绪论  8-12
  1.1 研究背景和意义  8-9
  1.2 国内外研究现状  9-10
  1.3 论文主要工作和内容安排  10-12
2 基本理论和方法  12-27
  2.1 基于MEAN SHIFT 的对象分割  12-18
  2.2 特征提取  18-23
  2.3 支持向量机分类器  23-27
3 基于SURF 特征点和区域信息的机场识别  27-39
  3.1 图像预处理  27-28
  3.2 基于SURF 特征的机场检测  28-32
  3.3 实验结果及分析  32-37
  3.4 本章小结  37-39
4 高分辨率遥感图像水上桥梁自动识别  39-52
  4.1 桥梁粗提取  39-42
  4.2 计算桥梁方向  42-46
  4.3 桥梁精确提取  46-48
  4.4 桥梁识别  48
  4.5 实验结果与分析  48-51
  4.6 本章小节  51-52
5 总结与展望  52-54
  5.1 研究工作总结  52-53
  5.2 后续研究工作展望  53-54
致谢  54-55
参考文献  55-59
附录 作者在攻读硕士学位期间发表的论文  59

相似论文

  1. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  2. 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
  3. 红外超光谱图像的虚拟探测器研究,TP391.41
  4. 图像实时采集、存储与处理方法研究,TP391.41
  5. 空中目标抗干扰识别跟踪系统,TN215
  6. 红外图像目标识别及跟踪技术研究,TP391.41
  7. 水下目标特征的压缩与融合技术研究,TN911.7
  8. SAR成像目标识别子区选取与匹配方法研究,TN957.52
  9. 基于3G网络的智能交通视频监控系统的设计与实现,TP391.41
  10. 基于视频监控的特定目标识别研究,TP391.41
  11. 基于视频的动物运动跟踪分析系统及应用研究,TP391.41
  12. 基于空间邻域词袋模型的图像标注技术,TP391.41
  13. 基于激光雷达的三维典型地面目标识别技术研究,TP391.41
  14. 运动目标识别视频监控系统设计与实现,TP391.41
  15. 水下机械手信息融合及作业规划研究,TP241
  16. 基于视觉系统的无人直升机自主降落,V279
  17. 基于ML_pLSA模型和特征包算法的目标识别方法,TP391.41
  18. 基于红外图像的服务器工况分类研究,TP393.05
  19. 基于红外成像的舰船目标识别技术研究,TP391.41
  20. 全自动荧光磁粉探伤中目标识别图像处理技术研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 遥感技术 > 遥感图像的解译、识别与处理 > 图像处理方法
© 2012 www.xueweilunwen.com