發(fā)布時間：2017-03-23 00:15

  本文關(guān)鍵詞：高分辨率遙感影像典型的復(fù)雜場景匯總統(tǒng)計方法，由筆耕文化傳播整理發(fā)布。

【摘要】：國內(nèi)外遙感技術(shù)快速發(fā)展,遙感數(shù)據(jù)的質(zhì)量和數(shù)量都有了飛躍性的提高,人類已經(jīng)進入遙感數(shù)據(jù)爆炸時代。高分辨率的遙感圖像不僅具有豐富的光譜信息,而且空間布局清晰,幾何結(jié)構(gòu)明顯,已經(jīng)成為遙感技術(shù)應(yīng)用的主要數(shù)據(jù)。高分遙感影像場景的識別是很多遙感應(yīng)用的基礎(chǔ),實現(xiàn)高分遙感影像典型復(fù)雜場景的快速自動識別在軍事、救災(zāi)等領(lǐng)域有十分重要的意義。國內(nèi)外已有研究將基于中層特征的詞包模型場景表達方法引入高分遙感影像場景識別中,但是還很少有研究將新興的基于生物視覺機理的語義圖像表達方法運用到這一領(lǐng)域。本文順應(yīng)場景表達方法的研究趨勢,系統(tǒng)深入地研究了人類早期視覺階段場景識別中的匯總統(tǒng)計機制。在此基礎(chǔ)上提出了一種新的語義圖像場景表達方法——匯總統(tǒng)計方法,并運用到對高分遙感影像場景的識別中。該方法提取場景的4種典型的匯總統(tǒng)計特征:場景的平均方向信息、場景雜亂度、感知的場景變化程度以及場景目標(biāo)的平均大小,形成對場景全局屬性比較完備的描述,較好地模擬了視覺系統(tǒng)快速識別場景時的匯總統(tǒng)計機制。為了驗證匯總統(tǒng)計方法的有效性,實驗首先對兩個遙感數(shù)據(jù)集進行分類實驗,包括高分遙感影像典型的復(fù)雜場景圖像,并與Gist、BOW表達方法比較,分類的精度相對較高。然后實驗用匯總統(tǒng)計方法對非遙感圖像進行了分類實驗,分類精度也有一定提高。證明了本文的匯總統(tǒng)計方法對場景有較好的描述效果,在一定程度上模擬了視覺系統(tǒng)的場景識別功能。
【關(guān)鍵詞】：匯總統(tǒng)計 高分辨率遙感影像 場景表達 平均方向信息 雜亂度
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P237
【目錄】：

• 摘要3-5
• ABSTRACT5-12
• 第一章 緒論12-24
• 1.1 研究背景與意義12-14
• 1.1.1 遙感數(shù)據(jù)爆炸時代12-13
• 1.1.2 遙感圖像場景識別13-14
• 1.2 國內(nèi)外場景表達研究現(xiàn)狀14-17
• 1.2.1 場景表達方法分類14-16
• 1.2.2 語義圖像方法的發(fā)展16-17
• 1.3 遙感圖像場景識別的研究現(xiàn)狀17-21
• 1.3.1 高分辨率遙感影像的新特性17-18
• 1.3.2 遙感圖像場景識別方法的研究現(xiàn)狀18-20
• 1.3.3 語義圖像方法在高分遙感影像場景識別中的應(yīng)用20-21
• 1.4 本文研究內(nèi)容與組織結(jié)構(gòu)21-24
• 1.4.1 研究內(nèi)容和難點21-22
• 1.4.2 論文組織結(jié)構(gòu)22-24
• 第二章 人類視覺場景感知中的匯總統(tǒng)計機制24-39
• 2.1 早期視覺中的場景識別24-29
• 2.1.1 人類識別場景的層次24-25
• 2.1.2 早期視覺階段25-28
• 2.1.3 人類早期視覺中的匯總統(tǒng)計28-29
• 2.2 幾種典型的匯總統(tǒng)計信息感知機制29-35
• 2.2.1 平均方向信息29-31
• 2.2.2 場景的雜亂度31-32
• 2.2.3 感知的場景變化程度32-34
• 2.2.4 場景目標(biāo)的平均大小34-35
• 2.3 基于匯總統(tǒng)計的高分遙感圖像場景識別35-38
• 2.3.1 高分辨率遙感影像典型的復(fù)雜場景35-36
• 2.3.2 基于匯總統(tǒng)計的高分遙感影像場景識別的可行性36-38
• 2.4 本章小結(jié)38-39
• 第三章 基于匯總統(tǒng)計特征的場景表達方法39-52
• 3.1 匯總統(tǒng)計表達方法概述39-40
• 3.2 匯總統(tǒng)計特征的提取方法40-50
• 3.2.1 基于Gabor濾波器的平均方向信息度量40-43
• 3.2.2 基于視覺擁堵的場景雜亂度度量43-44
• 3.2.3 基于SSIM模型的場景變化程度估計44-48
• 3.2.4 基于濾波器的場景目標(biāo)平均大小估計48-50
• 3.3 本章小結(jié)50-52
• 第四章 實驗分析與評價52-69
• 4.1 USGS遙感數(shù)據(jù)集的實驗和分析55-60
• 4.1.1 區(qū)域圖像塊大小對場景變化程度描述的影響55-57
• 4.1.2 平均方向信息和雜亂度對遙感圖像的區(qū)分度57-58
• 4.1.3 與典型的場景表達方法的對比58-60
• 4.2 對高分影像典型的復(fù)雜場景的分類實驗60-66
• 4.2.1 對機場和港口高分遙感影像的分類實驗60-63
• 4.2.2 對機場和港口場景的平均方向信息的分析63-66
• 4.3 非遙感數(shù)據(jù)集的實驗和分析66-68
• 4.4 本章小結(jié)68-69
• 第五章 總結(jié)與展望69-71
• 5.1 全文總結(jié)69-70
• 5.2 研究展望70-71
• 參考文獻71-77
• 致謝77-78
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文78-80

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 常道中;段紅;;數(shù)據(jù)庫在多層匯總統(tǒng)計中的應(yīng)用[A];第十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1992年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 顧秀穎;高分辨率遙感影像典型的復(fù)雜場景匯總統(tǒng)計方法[D];上海交通大學(xué);2015年

  本文關(guān)鍵詞：高分辨率遙感影像典型的復(fù)雜場景匯總統(tǒng)計方法，，由筆耕文化傳播整理發(fā)布。

本文編號：262545