發(fā)布時間：2021-01-05 14:53

　　隨著航空航天平臺和遙感技術的不斷發(fā)展,我們可以獲取到越來越多的紋理細節(jié)清晰、光譜特征豐富的高空間分辨率遙感影像,高空間分辨率遙感影像已經成為經濟建設、國防安全、地理信息服務等方面重要的空間信息源。但與此同時,“同物異譜”和“異物同譜”現(xiàn)象隨之而來,并成為制約高空間分辨率遙感影像應用和發(fā)展的主要因素。為了解決上述問題,國內外大量學者開展了大量研究。目前,圍繞高空間分辨率遙感影像分析與處理已成為遙感領域研究的熱點方向之一。同時,隨著影像空間分辨率的提高,信息的提取技術從基于像元的分類逐漸過渡到面向對象的識別。面向對象的影像分析方法采用先分割再分類的模式進行地物識別與提取。其中,遙感影像分割和分類技術是面向對象影像分析方法的基礎和關鍵,兩個過程均涉及特征的選取及特征相似度的計算,在兩個過程中均會帶來結果的不確定性。伴隨計算機視覺研究的不斷加深,研究者更加關注影像分割更為準確的分析和理解,語義分割的提出給這一問題帶來契機,有別于傳統(tǒng)的影像分割方法,語義分割的根本目的是,在分割的同時確定分割區(qū)域的語義類別,這對于影像分析和處理更加準確化有著深遠的意義。為此本文以高空間分辨率遙感影像為研究對象,通... 

【文章來源】：昆明理工大學云南省

【文章頁數】：102 頁

【學位級別】：碩士

【部分圖文】：

基于候選區(qū)域的語義分割流程

圖 2.1 影像分割定義 Figure 2.1 Definition of image segmentation 從上述定義可以看出，影像分割將影像標記，相同特征的像素被標記為同一類型，在標記分配過程中，每一像素不能被多的集合組成影像中相對應的區(qū)域，全部像素結果[44]。常見的分割算法包括閾值法、邊場的算法、以及其他分割法（數學形態(tài)學、傳算法）。下面將分別進行簡要介紹。.1.1.1 閾值分割算法閾值法（灰度門限技術）是一種計算簡應用于影像分割中[45]，該算法利用影像灰

圖 2.3 語義分割示意圖Figure 2.3 semantic segmentation schematic1 影像底層特征提取影像底層特征包括全局特征和局部特征，全局特征是整幅影像或者影影像塊的屬性值，由于全局特征不能徹底的代表整幅影像，因此我們影像的一些局部特征作為附加屬性值，包括梯度值、顏色分量值等。底層特征提取方法有：顏色特征提取、紋理特征提取、形狀特征提取1）顏色特征提取顏色特征是全局特征的重要表現(xiàn)之一，通常情況下通過顏色直方圖表信息，這是一種基于像素的方法，常用的顏色直方圖包括基于 RGB（reen 綠，Blue 藍）和 CIELAB（簡稱 Lab）兩種表達形式的顏色空間B 顏色空間，如圖 2.4 所示，其中包括三個色彩通道，每個通道的取0-255]。CIELAB 顏色空間（Lab）：L 表示像素的顏色，取值范圍[0,1

【參考文獻】：
期刊論文
[1]簡單線性迭代聚類的高分辨率遙感影像分割[J]. 董志鵬,梅小明,陳杰,鄧敏,李昕.  遙感信息. 2016(06)
[2]基于內容的圖像分割方法綜述[J]. 姜楓,顧慶,郝慧珍,李娜,郭延文,陳道蓄.  軟件學報. 2017(01)
[3]基于DCNN的圖像語義分割綜述[J]. 魏云超,趙耀.  北京交通大學學報. 2016(04)
[4]第6講 深度卷積神經網絡在圖像分割中的應用[J]. 鄭云飛,張雄偉,曹鐵勇,王文.  軍事通信技術. 2016(02)
[5]圖像分割的圖論方法綜述[J]. 王梅,李玉鑑,全笑梅.  計算機應用與軟件. 2014(09)
[6]結合光譜、紋理與形狀結構信息的遙感影像分割方法[J]. 巫兆聰,胡忠文,張謙,崔衛(wèi)紅.  測繪學報. 2013(01)
[7]基于條件隨機場的圖像語義分割[J]. 張春芳.  計算機光盤軟件與應用. 2012(09)
[8]無人機高空間分辨率影像分類研究[J]. 魯恒,李永樹,林先成.  測繪科學. 2011(06)
[9]基于K均值聚類與區(qū)域合并的彩色圖像分割算法[J]. 李光,王朝英,侯志強.  計算機應用. 2010(02)
[10]基于層次聚類LS-SVM的圖像分割方法[J]. 胡學坤,宋淑娜,李金霞,高尚.  計算機與數字工程. 2010(01)

博士論文
[1]基于上下文信息的語義圖像分類研究[D]. 李昌英（Ri ChangYong）.浙江大學 2014
[2]面向對象的高分辨率影像城市多特征變化檢測研究[D]. 湯玉奇.武漢大學 2013
[3]高空間分辨率遙感影像自適應分割方法研究[D]. 劉建華.福州大學 2011
[4]基于區(qū)域的多分辨率遙感影像語義檢索方法研究[D]. 劉婷婷.武漢大學 2009
[5]高分辨率遙感影像多尺度紋理、形狀特征提取與面向對象分類研究[D]. 黃昕.武漢大學 2009
[6]基于活動輪廓模型的圖像分割[D]. 朱國普.哈爾濱工業(yè)大學 2007
[7]基于模糊聚類分析的圖像分割技術研究[D]. 張愛華.華中科技大學 2004

碩士論文
[1]基于L0梯度最小化的圖像平滑方法研究[D]. 龐學舜.天津理工大學 2016
[2]基于馬爾科夫隨機場的SAR圖像處理[D]. 郭穎.西安電子科技大學 2014
[3]基于圖論的超像素分割及其合并算法[D]. 門學敏.燕山大學 2014
[4]結合底層分割的圖像語義分割[D]. 陳坤.上海師范大學 2013



本文編號：2958859