發(fā)布時間：2017-07-26 17:18

  本文關(guān)鍵詞：遙感影像航行方位物提取技術(shù)研究

  更多相關(guān)文章： 航行方位物提取 視覺注意機制 Hough變換 多峰灰度直方圖 Snake模型

【摘要】：航行方位物是船舶航行中判定方位或指示目標而選定的明顯的固定地物,是海岸帶的重要組成部分。本文針對我國海岸帶地理空間信息獲取能力較為薄弱的現(xiàn)狀,主要圍繞如何快速有效地從遙感影像中提取航行方位物(油罐、碼頭和防波堤)目標展開研究,主要的工作和創(chuàng)新點如下：(1)在分析我國高空間分辨率衛(wèi)星影像發(fā)展現(xiàn)狀以及用于海岸帶地形圖等圖種測繪時航行目標要素信息提取方法存在明顯不足的基礎上,明確了航行方位物的內(nèi)容界定,闡述了航行方位物提取的研究背景和意義,分析了國內(nèi)外航行方位物國內(nèi)外的研究現(xiàn)狀和提取過程中所面臨的問題和困難。(2)分析了遙感影像地物的相關(guān)特征。針對近岸航行方位物的油罐目標提取中Hough變換圓檢測的基本理論進行介紹,并對航行方位物中的圖像分割和輪廓提取中的Snake模型的理論和方法進行了論述。(3)針對傳統(tǒng)的Hough變換用于油罐目標提取效率低的問題,提出了一種基于視覺注意機制和Hough變換融合的遙感影像油罐提取方法。在對圖像顯著性特征和油罐顯著性區(qū)域進行分析的基礎上,重點介紹了基于視覺注意機制的油罐目標顯著性區(qū)域計算方法,利用視覺注意機制獲取油罐目標顯著性區(qū)域,然后對顯著性區(qū)域進行Hough變換的圓檢測實現(xiàn)油罐目標的提取。試驗結(jié)果表明,本文的方法具有提取效率高、精度可靠的特點。(4)分析了碼頭和防波堤的影像特征,提出了基于多峰灰度直方圖閾值分割的碼頭和防波堤提取方法,改進了基于Snake模型的碼頭和防波堤的提取方法,并通過提取試驗驗證和分析了論文中采用的兩種提取方法的可靠性。
【關(guān)鍵詞】：航行方位物提取 視覺注意機制 Hough變換 多峰灰度直方圖 Snake模型
【學位授予單位】：解放軍信息工程大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：U675.7
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-14
• 1.1 研究的背景及意義8-9
• 1.2 遙感影像航行方位物提取技術(shù)研究現(xiàn)狀9-12
• 1.2.1 遙感影像油罐目標提取技術(shù)9-10
• 1.2.2 遙感影像碼頭提取技術(shù)10-11
• 1.2.3 遙感影像防波堤提取技術(shù)11-12
• 1.2.4 存在的問題12
• 1.3 論文研究的主要內(nèi)容12-14
• 第二章 航行方位物提取基礎理論14-24
• 2.1 遙感影像的地物特征描述14-15
• 2.2 Hough變換基本理論15-16
• 2.3 圖像分割算法分類16-20
• 2.3.1 基于閾值選取的分割算法17-18
• 2.3.2 基于區(qū)域的圖像分割算法18-19
• 2.3.3 基于圖像邊緣檢測的分割算法19-20
• 2.4 Snake模型20-23
• 2.4.1 Snake模型的數(shù)學表示20-22
• 2.4.2 Snake模型的收斂方法22-23
• 2.5 本章小結(jié)23-24
• 第三章 遙感影像油罐目標提取24-40
• 3.1 視覺注意機制原理24-25
• 3.2 圖像顯著性特征描述25-27
• 3.2.1 顏色特征26
• 3.2.2 亮度特征26-27
• 3.2.3 紋理特征27
• 3.2.4 邊緣特征27
• 3.3 遙感影像油罐視覺顯著性特征分析27-30
• 3.4 油罐目標顯著性區(qū)域計算30-35
• 3.4.1 自底向上顯著圖計算31-33
• 3.4.2 自頂向下顯著圖計算33-34
• 3.4.3 全局顯著圖計算34-35
• 3.5 Hough變換圓形檢測35-36
• 3.6 實驗與分析36-39
• 3.7 本章小結(jié)39-40
• 第四章 遙感影像碼頭和防波堤目標提取40-64
• 4.1 遙感影像碼頭和防波堤特征分析40-41
• 4.2 圖像濾波41-43
• 4.2.1 空間域去噪算法41-42
• 4.2.2 變換域去噪算法42-43
• 4.3 基于多峰灰度直方圖分割的遙感影像碼頭和防波堤提取43-53
• 4.3.1 感興趣區(qū)域獲取44-45
• 4.3.2 直方圖閡值分割方法45-47
• 4.3.3 基于多峰灰度直方圖的閾值分割47-49
• 4.3.4 邊緣提取49-50
• 4.3.5 實驗與分析50-53
• 4.4 基于改進Snake模型的遙感影像碼頭和防波堤提取53-63
• 4.4.1 GVF Snake模型的基本原理54-55
• 4.4.2 主動輪廓模型實驗分析55-57
• 4.4.3 基于GVF Snake模型的目標輪廓提取57-61
• 4.4.4 實驗與分析61-63
• 4.5 本章小結(jié)63-64
• 第五章 總結(jié)與展望64-66
• 5.1 已完成工作的總結(jié)64
• 5.2 下一步工作的展望64-66
• 致謝66-67
• 參考文獻67-71
• 作者簡歷71

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王威;曾小能;;圖像分割技術(shù)研究與應用[J];計算機時代;2015年01期

2 羅麗霞;;基于遺傳算法的Ostu圖像分割方法[J];河北北方學院學報(自然科學版);2014年06期

3 鄭忠;謝健輝;;海洋測繪技術(shù)的現(xiàn)狀及最新進展[J];海洋與漁業(yè);2014年09期

4 李潤生;曹聞;王永生;;視覺認知理論在遙感影像道路網(wǎng)提取中的應用[J];信息工程大學學報;2014年04期

5 鄭毅;鄭蘋;;基于模糊熵和模擬退火算法的雙閾值圖像分割[J];電子測量與儀器學報;2014年04期

6 肖傳民;史澤林;夏仁波;武偉;;一種基于視覺顯著性的邊緣檢測算法[J];信息與控制;2014年01期

7 趙丹培;肖騰蛟;史駿;姜志國;;基于顯著語義模型的機場與油庫目標的識別方法[J];計算機輔助設計與圖形學學報;2014年01期

8 李軍;袁伶俐;;全球海洋資源開發(fā)現(xiàn)狀和趨勢綜述[J];國土資源情報;2013年12期

9 劉欣欣;李雪;王瓊;;基于灰度直方圖的多閾值分割法[J];計算機應用與軟件;2013年12期

10 楚曉麗;;K-Means聚類算法和人工魚群算法應用于圖像分割技術(shù)[J];計算機系統(tǒng)應用;2013年04期

，

本文編號：577485