道路作為現(xiàn)代交通系統(tǒng)中重要的組成部分,在車載導(dǎo)航、城市規(guī)劃、電商物流以及搶險(xiǎn)救災(zāi)中都發(fā)揮著重要作用,如何快速實(shí)現(xiàn)道路信息的更新是一個(gè)迫切需要解決的問(wèn)題。隨著遙感技術(shù)的發(fā)展,從衛(wèi)星圖像中自動(dòng)提取道路是攝影測(cè)量和遙感領(lǐng)域的重要研究方向。SAR作為一種主動(dòng)式工作的傳感器,能克服光學(xué)傳感器易受天氣和黑夜影響的缺點(diǎn),從SAR圖像中提取道路是光學(xué)影像的合適補(bǔ)充或替代。本文通過(guò)對(duì)高分辨率SAR圖像道路自動(dòng)提取的研究現(xiàn)狀進(jìn)行分析,指出存在圖像相干斑噪聲濾除效果不佳、線特征檢測(cè)算子普適性不高、線基元提取存在漏檢和虛警過(guò)高等問(wèn)題。因此,本文從圖像的降噪、邊緣線特征檢測(cè)、線基元提取和最優(yōu)道路解四個(gè)方面進(jìn)行深入研究。（1）針對(duì)SAR圖像相干斑噪聲影響道路邊緣線特征提取的問(wèn)題,本文通過(guò)實(shí)驗(yàn)對(duì)空域的Lee、Frost濾波和頻域的兩階段POTDF濾波算法進(jìn)行了對(duì)比分析,結(jié)果表明在高分辨率SAR圖像預(yù)處理階段,采用頻域的兩階段POTDF濾波可以在降低了斑點(diǎn)噪聲的同時(shí)最大限度的保留道路的邊緣信息。（2）線特征的提取是道路自動(dòng)提取至關(guān)重要的一步,它直接決定道路自動(dòng)提取結(jié)果的精度。通過(guò)理論分析和實(shí)驗(yàn)對(duì)比的方式比較了 RLD... 

【文章來(lái)源】：山東科技大學(xué)山東省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１鄰域系統(tǒng)??

山東科技大學(xué)碩士論文?ＭＲＦ模型理論??為一個(gè)基團(tuán)。所有基團(tuán)Ｃ的集合用Ｃ表示。圖２．１表示不同階次鄰域系統(tǒng)：??０（１＾�！�？??￣〇■—ｗ??＃蠡？??圖２．１鄰域系統(tǒng)??Ｆｉｇ．２．１?Ｎｅｉｇｈｂｏｒｈｏｏｄ?ｓｙｓｔｅｍ??２．２?ＭＲＦ隨機(jī)場(chǎng)和Ｇｉｂｂｓ隨機(jī)場(chǎng)??對(duì)于鄰域系統(tǒng)而言，如果一個(gè)隨機(jī)場(chǎng)是ＭＲＦ隨機(jī)場(chǎng)，如果它是概率密度函??數(shù)滿足以下三個(gè)屬性：??（１）?／３｛１?＝?１｝＞０，心＃喊耍???�；�?（２）?馬爾科夫性；??（３）巧尤＇丨尤＝；（＾￡以７＾是相同的，鄰域?qū)χ行狞c(diǎn)的影響概率相同。??式中，；？（？：）和；分別代表先驗(yàn)概率和條件概率，在圖像標(biāo)記問(wèn)題中，??表示標(biāo)記場(chǎng)的先驗(yàn)概率，表示鄰域的標(biāo)記對(duì)主點(diǎn)標(biāo)記的影響概率【３８］。??ＭＲＦ根據(jù)圖像的局部屬性定義（即、分配給像素的分類標(biāo)簽僅受其鄰居影??響），而ＧＲＦ描述圖像的全局屬性（即、給予特定像素的標(biāo)簽受到根據(jù)所有像??素的類的聯(lián)合分布來(lái)給予所有其他像素標(biāo)簽）。Ｈａｍｍｅｒｓｌｅｙ－Ｃｌｉｆｆｏｒｄ定理給出了??Ｇｉｂｂｓ分布與ＭＲＦ關(guān)系：就鄰域系統(tǒng)５而言

可以分為Ｔ形、樹(shù)杈形、十字形、Ｘ形、錯(cuò)位等連接形式。??�。�？?ＸＶ??圖３．１平面直通式交叉口??Ｆｉｇ．３．１?Ｐｌａｎｅ?ｓｔｒａｉｇｈｔ－ｔｈｒｏｕｇｈ?ｉｎｔｅｒｓｅｃｔｉｏｎ??環(huán)形交叉口是在路口中間設(shè)置一個(gè)面積較大的環(huán)島（中心島），車輛交織進(jìn)??入環(huán)道，并繞島單向行駛。??Ｙ?方??圖３．２平面環(huán)形交叉??Ｆｉｇ．３．２?Ｐｌａｎａｒ?ｒｉｎｇ?ｃｒｏｓｓ??立體交叉口是道路利用三維空間的高度，使得道路連接形成立體性，減少??道路的沖突，主要分為分離式立體交叉和互通式立體交叉。??ｘＸＸ??圖３．３立體交叉??Ｆｉｇ．３．３?Ｃｒｏｓｓｏｖｅｒ??１７??

【參考文獻(xiàn)】：
期刊論文
[1]一種融合MRF分割與數(shù)學(xué)形態(tài)學(xué)的道路提取算法[J]. 陳立福,文俊,肖紅光,龐科臣.  中國(guó)空間科學(xué)技術(shù). 2015(02)
[2]利用馬爾柯夫隨機(jī)場(chǎng)圖模型的變化像斑類別判定方法[J]. 王琰,舒寧,龔龑.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2012(05)
[3]基于平行線對(duì)檢測(cè)的SAR圖像主干道提取算法[J]. 朱昌盛,周偉,關(guān)鍵.  中國(guó)圖象圖形學(xué)報(bào). 2011(10)
[4]基于改進(jìn)ROEWA算子的SAR圖像邊緣檢測(cè)方法[J]. 安成錦,辛玉林,陳曾平.  中國(guó)圖象圖形學(xué)報(bào). 2011(08)
[5]基于快速退火MRF的改進(jìn)SAR圖像分割方法[J]. 劉向華,周蔭清,孫慕涵.  北京航空航天大學(xué)學(xué)報(bào). 2010(06)
[6]基于模糊聚類的SAR圖像道路檢測(cè)[J]. 趙暉,孫進(jìn)平,王文光,毛士藝.  遙測(cè)遙控. 2009(02)
[7]基于高分辨率遙感影像的汶川地震道路損毀評(píng)估[J]. 陳世榮,馬海建,范一大,徐豐,連健.  遙感學(xué)報(bào). 2008(06)
[8]基于MAP-MRF模型的SAR圖像道路提取[J]. 趙青,孔繁興.  系統(tǒng)工程與電子技術(shù). 2008(10)
[9]基于數(shù)學(xué)形態(tài)學(xué)和相位編組SAR影像道路自動(dòng)提取[J]. 竇建方,陳鷹.  遙感信息. 2008(05)
[10]基于鏈碼優(yōu)化的SAR影像城市道路網(wǎng)絡(luò)提取[J]. 張廣偉,張永紅.  遙感學(xué)報(bào). 2008(04)

博士論文
[1]基于圖割的交互式圖像分割算法研究[D]. 劉毅.南京理工大學(xué) 2013
[2]高分辨率SAR圖像道路提取方法研究[D]. 程江華.國(guó)防科學(xué)技術(shù)大學(xué) 2013
[3]基于統(tǒng)計(jì)模型的SAR圖像分割方法研究[D]. 呂雁.西安電子科技大學(xué) 2011

碩士論文
[1]基于Hough變換的高分辨率遙感影像道路提取[D]. 安麗.東華理工大學(xué) 2015
[2]基于GMM-MRF的高分辨率遙感影像道路提取算法研究[D]. 楊娟.湖南大學(xué) 2014
[3]基于遺傳算法和MRF的亞像元定位方法研究[D]. 劉務(wù).哈爾濱工程大學(xué) 2014
[4]基于MRF和非采樣小波變換的動(dòng)態(tài)紋理分割[D]. 徐曉明.哈爾濱工程大學(xué) 2013
[5]基于非局部全變差和視覺(jué)計(jì)算的SAR圖像相干斑抑制[D]. 蔣文梅.西安電子科技大學(xué) 2012
[6]基于馬爾科夫隨機(jī)場(chǎng)的路標(biāo)識(shí)別算法研究[D]. 楊愛(ài)蘭.杭州電子科技大學(xué) 2012
[7]基于馬爾可夫隨機(jī)場(chǎng)模型的醫(yī)學(xué)圖像分割方法研究[D]. 郭玉貝.東北大學(xué) 2009



本文編號(hào)：3145945