視覺認(rèn)知啟發(fā)的高分辨率遙感影像建筑區(qū)提取方法
發(fā)布時間:2023-03-14 19:28
隨著我國城市化進(jìn)程的加快,建設(shè)用地在不斷擴(kuò)張。建筑區(qū)位置、范圍和分布等地理空間信息對于土地利用規(guī)劃、城鎮(zhèn)化監(jiān)測、災(zāi)害評估、基礎(chǔ)地理數(shù)據(jù)庫更新等都具有重要的應(yīng)用價值。當(dāng)前快速發(fā)展的高分辨率對地觀測技術(shù),為建筑區(qū)的精細(xì)化監(jiān)測提供了有效的數(shù)據(jù)源。從衛(wèi)星影像中自動獲取建筑區(qū)信息受到國內(nèi)外學(xué)者越來越多的關(guān)注,它可以有效解決傳統(tǒng)的通過人工解譯費時費力的問題。但是,高分辨率遙感影像中的建筑區(qū)具有光譜異質(zhì)、紋理復(fù)雜、覆蓋范圍廣的特點,這給建筑區(qū)的自動提取帶來諸多挑戰(zhàn)。本文受人類視覺系統(tǒng)的認(rèn)知機(jī)制啟發(fā),從視覺注意和知覺組織這兩個不同的角度來認(rèn)識高分影像中的建筑區(qū),并構(gòu)建相關(guān)的建筑區(qū)提取模型,實現(xiàn)建筑區(qū)的自動提取。本文的主要研究工作如下:(1)受視覺注意機(jī)制啟發(fā),研究了高分辨率衛(wèi)星影像建筑區(qū)的視覺顯著性模型。利用多尺度小波變換度量建筑區(qū)的紋理顯著性,并通過跨尺度融合生成建筑區(qū)顯著圖,進(jìn)一步基于自適應(yīng)的閾值完成對建筑區(qū)的提取。(2)受視知覺組織機(jī)制啟發(fā),研究了高分辨率衛(wèi)星影像建筑區(qū)的知覺組織模型。通過超像素對遙感影像進(jìn)行分割,利用空間變異函數(shù)提取超像素的結(jié)構(gòu)特征;依據(jù)格式塔知覺組織規(guī)則描述超像素之間的空間結(jié)...
【文章頁數(shù)】:71 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景和意義
1.2 研究現(xiàn)狀綜述
1.3 研究內(nèi)容與技術(shù)路線
1.3.1 研究內(nèi)容
1.3.2 技術(shù)路線
1.4 論文章節(jié)安排
第二章 視覺認(rèn)知的相關(guān)理論
2.1 人類視覺認(rèn)知處理機(jī)制
2.2 視覺注意機(jī)制及其顯著性計算模型
2.2.1 視覺注意機(jī)制
2.2.2 視覺注意的顯著性計算模型
2.3 知覺組織機(jī)制
2.3.1 認(rèn)知心理學(xué)的格式塔知覺組織規(guī)則
2.3.2 知覺組織方法
2.4 本章小結(jié)
第三章 高分遙感影像建筑區(qū)顯著性建模與提取
3.1 算法框架及步驟
3.2 紋理特征及小波變換
3.2.1 紋理特征
3.2.2 小波變換
3.2.3 小波的多分辨率分析
3.3 多尺度高頻特征的跨尺度融合
3.3.1 小波高頻分量特征多方向集成
3.3.2 跨尺度特征融合
3.4 利用空間依賴性調(diào)整建筑區(qū)顯著圖
3.5 顯著圖閾值化和建筑區(qū)后處理
3.5.1 顯著圖閾值化
3.5.2 建筑區(qū)后處理
3.6 實驗與分析
3.6.1 實驗數(shù)據(jù)及性能評價指標(biāo)
3.6.2 實驗結(jié)果與分析
3.7 本章小結(jié)
第四章 融合知覺組織規(guī)則的高分遙感影像建筑區(qū)提取
4.1 算法框架及步驟
4.2 圖像預(yù)處理
4.2.1 基于SLIC算法的超像素分割
4.2.2 Harris角點特征提取
4.3 基于空間變異函數(shù)的超像素特征表示
4.3.1 超像素空間變異函數(shù)建模及特征提取流程
4.3.2 變異函數(shù)曲線中特征參數(shù)的選取
4.4 融合格式塔知覺組織規(guī)則的建筑區(qū)顯著性建模
4.5 候選建筑區(qū)閾值分割和精細(xì)化處理
4.6 實驗結(jié)果與分析
4.6.1 實驗數(shù)據(jù)及性能評價指標(biāo)
4.6.2 實驗結(jié)果與分析
4.7 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請的專利
附錄3 攻讀碩士學(xué)位期間參加的科研項目
致謝
本文編號:3762608
【文章頁數(shù)】:71 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景和意義
1.2 研究現(xiàn)狀綜述
1.3 研究內(nèi)容與技術(shù)路線
1.3.1 研究內(nèi)容
1.3.2 技術(shù)路線
1.4 論文章節(jié)安排
第二章 視覺認(rèn)知的相關(guān)理論
2.1 人類視覺認(rèn)知處理機(jī)制
2.2 視覺注意機(jī)制及其顯著性計算模型
2.2.1 視覺注意機(jī)制
2.2.2 視覺注意的顯著性計算模型
2.3 知覺組織機(jī)制
2.3.1 認(rèn)知心理學(xué)的格式塔知覺組織規(guī)則
2.3.2 知覺組織方法
2.4 本章小結(jié)
第三章 高分遙感影像建筑區(qū)顯著性建模與提取
3.1 算法框架及步驟
3.2 紋理特征及小波變換
3.2.1 紋理特征
3.2.2 小波變換
3.2.3 小波的多分辨率分析
3.3 多尺度高頻特征的跨尺度融合
3.3.1 小波高頻分量特征多方向集成
3.3.2 跨尺度特征融合
3.4 利用空間依賴性調(diào)整建筑區(qū)顯著圖
3.5 顯著圖閾值化和建筑區(qū)后處理
3.5.1 顯著圖閾值化
3.5.2 建筑區(qū)后處理
3.6 實驗與分析
3.6.1 實驗數(shù)據(jù)及性能評價指標(biāo)
3.6.2 實驗結(jié)果與分析
3.7 本章小結(jié)
第四章 融合知覺組織規(guī)則的高分遙感影像建筑區(qū)提取
4.1 算法框架及步驟
4.2 圖像預(yù)處理
4.2.1 基于SLIC算法的超像素分割
4.2.2 Harris角點特征提取
4.3 基于空間變異函數(shù)的超像素特征表示
4.3.1 超像素空間變異函數(shù)建模及特征提取流程
4.3.2 變異函數(shù)曲線中特征參數(shù)的選取
4.4 融合格式塔知覺組織規(guī)則的建筑區(qū)顯著性建模
4.5 候選建筑區(qū)閾值分割和精細(xì)化處理
4.6 實驗結(jié)果與分析
4.6.1 實驗數(shù)據(jù)及性能評價指標(biāo)
4.6.2 實驗結(jié)果與分析
4.7 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請的專利
附錄3 攻讀碩士學(xué)位期間參加的科研項目
致謝
本文編號:3762608
本文鏈接:http://www.sikaile.net/guanlilunwen/gongchengguanli/3762608.html
最近更新
教材專著