近年,遙感及其圖像處理技術得到飛速發(fā)展。隨著遙感圖像分辨率不斷提高,針對道路提取也取得了許多研究成果。道路材質(如瀝青路、水泥路和土路等)作為道路屬性的一個重要參數(shù),其信息提取的迫切需求和重要性也愈發(fā)突出。高分辨率遙感圖像中道路材質信息具有多樣性、復雜性和不確定性等特點,譬如,低級鄉(xiāng)村道路材質的不規(guī)則變化、道路區(qū)域被樹木或建筑物遮擋等,對道路材質信息的精確提取增加了干擾和難度。本文針對上述問題,以高分辨率遙感圖像為數(shù)據(jù)源,提取道路材質多源特征,利用支持向量機(SVM)強大的非線性統(tǒng)計和分類能力,實現(xiàn)了多源特征融合的道路材質信息提取。主要研究內容和成果如下:(1)高分辨率遙感圖像預處理。通過正射校正、輻射校正和幾何校正得到實驗區(qū)域數(shù)據(jù)。通過人工標記的方法獲取道路的路面信息并篩選合適的樣本和測試樣本。在道路提取的基礎上,利用弧段分割方法對道路進行二次信息提取。(2)道路材質多源特征信息提取算法。利用道路二次信息提取,改進了局部HSV顏色特征提取算法,提取道路材質的顏色信息的同時,盡量避免周邊地物的影響;改進旋轉不變LBP算子,將3×3區(qū)域取均值作為新閾值,并將旋轉后的LBP值取均值作為最終...

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

圖3-2實驗數(shù)據(jù)部分區(qū)域

第三章遙感數(shù)據(jù)處理和特征信息提取算法15為后續(xù)的的遙感圖像的道路信息提取提供數(shù)據(jù)支撐。圖3-2實驗數(shù)據(jù)部分區(qū)域3.1.2樣本數(shù)據(jù)準備和測試數(shù)據(jù)的道路提取支持向量機的強大的數(shù)據(jù)分析和分類能力，與訓練數(shù)據(jù)的好壞有著緊密聯(lián)系。在將SVM模型用于測試之前，必須先要對模型進行訓練，找到最優(yōu)....

圖3-3標注工具初始界面和人工標注結果

電子科技大學碩士學位論文16圖3-3標注工具初始界面和人工標注結果標注完成后，對標注結果進行保存，最后結果會保存成兩個文件，其中一個是xml文件，記錄了被標注圖像的標注點的坐標，對本文的研究內容沒有影響，另一個是跟原始圖像尺寸一致的png格式的圖像，該圖像保存了道路標記的具體范圍....

圖3-4道路路面標記后的二值圖結果

電子科技大學碩士學位論文16圖3-3標注工具初始界面和人工標注結果標注完成后，對標注結果進行保存，最后結果會保存成兩個文件，其中一個是xml文件，記錄了被標注圖像的標注點的坐標，對本文的研究內容沒有影響，另一個是跟原始圖像尺寸一致的png格式的圖像，該圖像保存了道路標記的具體范圍....

圖3-5圖像裁剪結果

第三章遙感數(shù)據(jù)處理和特征信息提取算法17利用mgPlus-master標注工具對圖像標注結束后，由于被標注的圖像尺寸較大，大多數(shù)是7000×7000以上的像素點的遙感圖像，而且底層圖像基本包含了多種道路材質，對于道路材質信息提取來說，如果直接將底層大圖進行訓練，會極大增加計算機的....

本文編號：3961651