【摘要】：遙感技術(shù)的飛速發(fā)展，使得各種遙感圖像分辨率不斷提高，可攜帶信息也因此不斷增加，因此使得從遙感圖像下提取城市交通流成為可能。 城市交通由車、路、人三要素組成，因此道路和車流信息成為城市交通的兩個(gè)重要方面。為了準(zhǔn)確從城市交通中提取這兩個(gè)信息，本文以圖像處理方法為基礎(chǔ)，在充分分析遙感圖像識(shí)別目標(biāo)特征的基礎(chǔ)上，重點(diǎn)圍繞道路邊緣提取，以及將提取道路邊緣應(yīng)用于城市交通流提取方面開展了研究，并提出了一種基于雙閾值序貫相似性模板匹配的方法，，以及一種基于車道線內(nèi)道路區(qū)域?qū)囕v進(jìn)行采集識(shí)別的交通流優(yōu)化提取方法。主要研究?jī)?nèi)容如下： 1.針對(duì)遙感圖像背景消除。通過對(duì)城市遙感圖像的背景分析，分別采用多種掩膜方式實(shí)現(xiàn)了對(duì)植被樹木、陰影部分的分離，以及應(yīng)用基于GIS系統(tǒng)的多邊形道路邊緣逼近的方式，實(shí)現(xiàn)了對(duì)道路邊緣的粗略提取。 2.在對(duì)圖像道路邊緣提取的方面，針對(duì)模板匹配效率低下，彈性空間小等不足之處，提出了一種基于雙閾值序貫相似性模板匹配的方法，在提高了模板匹配速度的同時(shí)，對(duì)閾值的選取提供了彈性空間。并采用此方法實(shí)現(xiàn)了對(duì)一般道路邊緣的提取，以及與其他常用邊緣提取方法的比較。 3.針對(duì)一般車輛提取特征維度高，分類器過于復(fù)雜的等問題，提出了基于車道線內(nèi)道路區(qū)域?qū)囕v特征提取的優(yōu)化方法，減少了車輛識(shí)別提取的特征數(shù)，降低了車輛分類器的復(fù)雜程度，提高了檢測(cè)效率。 4.針對(duì)減少提取特征后的分類器，采用結(jié)合模板匹配的方式，實(shí)現(xiàn)對(duì)車輛的提取，進(jìn)一步提高檢測(cè)精度。實(shí)驗(yàn)結(jié)果表明，本文方法在不犧牲過多檢測(cè)效率的同時(shí)，實(shí)現(xiàn)了對(duì)檢測(cè)時(shí)間的大幅減低，因此可以視為提高了效率。 通過詳細(xì)論述了遙感圖像下道路邊緣以及交通流信息的提取流程以及關(guān)鍵技術(shù)，本文在最后對(duì)研究?jī)?nèi)容進(jìn)行了總結(jié)并提出了下一步的研究方向。
[Abstract]:With the rapid development of remote sensing technology, the resolution of all kinds of remote sensing images has been improved, and the portable information has been increasing. Therefore, it is possible to extract urban traffic flow from remote sensing images. Urban traffic consists of three elements: vehicle, road and human, so road and traffic information become two important aspects of urban traffic. In order to extract these two information from urban traffic accurately, based on the image processing method, based on the full analysis of the target features of remote sensing image recognition, this paper focuses on road edge extraction. And the application of road edge extraction to urban traffic flow extraction is studied, and a method based on two-threshold sequential similarity template matching is proposed. And a traffic flow optimization extraction method based on the road area in the lane line to collect and identify vehicles. The main contents are as follows: 1. Background elimination for remote sensing images. Based on the background analysis of urban remote sensing images, the separation of vegetation trees and shadow parts and the approach of polygonal road edge approximation based on GIS system are realized by using a variety of mask methods, respectively. The rough extraction of road edge is realized. 2. In the aspect of image road edge extraction, aiming at the inefficiency of template matching and the small elastic space, a method of template matching based on two-threshold sequential similarity template matching is proposed, which not only improves the speed of template matching, but also improves the speed of template matching. The elastic space is provided for the selection of threshold. The method is used to extract the general road edge, and to compare it with other commonly used methods. 3. In order to solve the problems such as the high dimension of vehicle feature extraction and the complexity of classifier, this paper proposes an optimization method for vehicle feature extraction based on road area in lane line, which reduces the number of features extracted by vehicle recognition. The complexity of vehicle classifier is reduced and the detection efficiency is improved. 4. Aiming at the classifier after reducing the feature extraction, the method of combining template matching is adopted to realize the vehicle extraction, and the detection accuracy is further improved. The experimental results show that the proposed method can greatly reduce the detection time without sacrificing too much detection efficiency, so it can be regarded as improving the efficiency. In this paper, the extraction process and key technology of road edge and traffic flow information under remote sensing image are discussed in detail. At the end of this paper, the research content is summarized and the next research direction is put forward.
【學(xué)位授予單位】：湘潭大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP751

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉盛;劉慶忠;李國偉;;基于RS和DGPS的SPOT5圖像幾何精校正研究[J];安徽農(nóng)業(yè)科學(xué);2009年25期

2 羅楊;;基于ERDAS IMAGINE的圖像投影方法探討[J];安徽農(nóng)業(yè)科學(xué);2009年27期

3 楊林安;夏斌;婁全勝;張美英;;利用Landsat數(shù)據(jù)對(duì)廣州城市進(jìn)行熱島效應(yīng)分析[J];安徽農(nóng)業(yè)科學(xué);2009年29期

4 張瑜;黃曦濤;;RS和GIS技術(shù)在地震災(zāi)害中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年30期

5 張彥林;;t檢驗(yàn)在遙感數(shù)據(jù)建模中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2010年05期

6 黃昆;陳登勝;余國忠;;直方圖均衡化在遙感圖像彩色合成中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2010年16期

7 李守乾;安裕倫;朱珂;張躍紅;;基于高光譜遙感數(shù)據(jù)提取土地利用信息[J];安徽農(nóng)業(yè)科學(xué);2011年04期

8 謝小艷;;郫縣土地利用遙感動(dòng)態(tài)監(jiān)測(cè)[J];安徽農(nóng)業(yè)科學(xué);2011年07期

9 王天培;;國內(nèi)外遙感技術(shù)在非點(diǎn)源污染模擬中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2011年21期

10 杜子濤;顏樹強(qiáng);楊小明;王德軍;任海峰;;基于TM影像的內(nèi)蒙古奈曼旗土地利用/覆被變化分析[J];安徽農(nóng)業(yè)科學(xué);2011年21期

相關(guān)會(huì)議論文 前10條

1 黃麗虹;王龍波;;基于環(huán)境衛(wèi)星的北部灣地區(qū)遙感影像制作及影像入庫應(yīng)用研究[A];全國測(cè)繪科技信息網(wǎng)中南分網(wǎng)第二十五次學(xué)術(shù)交流會(huì)論文集[C];2011年

2 王繼;王訓(xùn)霞;;利用Landsat5 TM6數(shù)據(jù)進(jìn)行城市熱島效應(yīng)分析[A];江蘇省測(cè)繪學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

3 馬振猛;楊遠(yuǎn)超;;遙感技術(shù)在城市擴(kuò)展監(jiān)測(cè)中的應(yīng)用[A];轉(zhuǎn)型與重構(gòu)——2011中國城市規(guī)劃年會(huì)論文集[C];2011年

4 陳剛;鄧文勝;王麗亞;;基于TM影像的武漢市東湖風(fēng)景區(qū)LUCC分析[A];全國國土資源與環(huán)境遙感應(yīng)用技術(shù)研討會(huì)論文集[C];2009年

5 陳剛;鄧文勝;王麗亞;;遙感技術(shù)在城市湖泊演變研究中的應(yīng)用[A];全國國土資源與環(huán)境遙感應(yīng)用技術(shù)研討會(huì)論文集[C];2009年

6 曹恒智;余先川;;基于FL-ELee的SAR降噪[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

7 周慶;;北京市政務(wù)版電子地形圖的更新方法探討[A];數(shù)字測(cè)繪與GIS技術(shù)應(yīng)用研討交流會(huì)論文集[C];2008年

8 馮建輝;楊玉靜;;基于HIS-小波變換的影像融合技術(shù)研究[A];中國測(cè)繪學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

9 徐璐;何宗宜;張少青;郭妍;;結(jié)構(gòu)與光譜信息相結(jié)合的遙感圖像分類方法[A];節(jié)能環(huán)保 和諧發(fā)展——2007中國科協(xié)年會(huì)論文集（二）[C];2007年

10 申煥;石曉春;;基于DPGrid的SPOT5正射影像圖制作[A];廣東省測(cè)繪學(xué)會(huì)第九次會(huì)員代表大會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 林穎;基于水平集方法的圖像分割關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

2 陳韶斌;基于知識(shí)推理和視覺機(jī)理的遙感圖像目標(biāo)識(shí)別方法研究[D];華中科技大學(xué);2010年

3 陳春雷;多尺度林業(yè)遙感數(shù)據(jù)融合技術(shù)的應(yīng)用研究[D];北京林業(yè)大學(xué);2011年

4 徐星歐;基于目標(biāo)分解的全極化雷達(dá)數(shù)據(jù)估算生物量相關(guān)參數(shù)方法研究[D];武漢大學(xué);2010年

5 岳昔娟;稀少（無）控制條件下機(jī)載SAR高精度定位技術(shù)研究[D];武漢大學(xué);2009年

6 任瑞治;MODIS衛(wèi)星遙感圖像預(yù)處理方法研究[D];吉林大學(xué);2011年

7 蔣立軍;分區(qū)標(biāo)準(zhǔn)化方法在遙感找礦中的應(yīng)用研究[D];吉林大學(xué);2011年

8 唐雪海;北京市城六區(qū)三維綠量估算與分析研究[D];北京林業(yè)大學(xué);2011年

9 張飛;干旱區(qū)典型綠洲鹽漬地地物光譜特征研究[D];新疆大學(xué);2011年

10 楊德生;重慶市渝北區(qū)地表景觀格局時(shí)空演化及生態(tài)環(huán)境響應(yīng)[D];成都理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 李碩;基于Vis/NIR光譜不同粒徑下土壤碳氮的預(yù)測(cè)研究[D];華中農(nóng)業(yè)大學(xué);2010年

2 馬浩;基于土地適宜性評(píng)價(jià)的三峽庫區(qū)防護(hù)林類型空間優(yōu)化配置[D];華中農(nóng)業(yè)大學(xué);2010年

3 郭方方;內(nèi)蒙古太仆寺旗沙子溝鉬礦床地質(zhì)特征[D];河南理工大學(xué);2010年

4 張宗營;SAR影像配準(zhǔn)方法研究[D];山東科技大學(xué);2010年

5 侯洪升;基于SPOT5高分辨率影像的城市新增建設(shè)用地監(jiān)測(cè)研究[D];山東農(nóng)業(yè)大學(xué);2009年

6 宋曉s

本文編號(hào)：2406980