面向对象的高分辨率遥感影像道路信息提取
发布时间：2022-02-26 16:10
道路,作为交通构成中的一个重要组成部分,是一种必不可少的交通设施。随着科技的进步,卫星技术发展越来越快速,从中可以得到包含越来越多信息的高分辨率遥感影像,合理利用高分辨率遥感影像中的信息,对社会的进步和科学的发展具有重大的意义。其中,从高分辨率遥感影像中提取的道路信息可以用于城市规划、数据采集以及目标检测等各方面,高效、高精度的从遥感影像所包含的众多信息中提取出道路信息,并应用于实践,具有很重要的意义。所以如何高效、高精度的从高分辨率遥感影像中获取道路信息,是多年来的研究热点方向之一。查阅相关文献可知,从高分辨率遥感影像中提取道路信息的方法不仅包括自全动方法和半自动方法,也面向像元的和面向对象的方法。面向对象的全自动方法已成为道路信息提取研究的主流方向。在此背景下,本文研究中选择了面向对象的道路提取方法,基于易康软件,对高分辨率遥感影像中的道路信息进行提取。主要工作内容从以下几个方面展开:首先,确定本文的研究目的与意义,采用面向对象的道路提取方法对高分辨率遥感影像中的道路信息进行提取;然后对遥感影像的特征进行详细分析,并结合目标对象道路所特有的特点,如道路光亮度较高、形状表现为细长的条...
【文章来源】：北京交通大学北京市211工程院校教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
1.1 研究背景与意义
1.2 遥感影像道路提取的研究现状分析
1.2.1 国外研究现状分析
1.2.2 国内研究现状分析
1.2.3 国内外研究现状总结
1.3 论文研究内容与结构安排
1.3.1 论文主要工作
1.3.2 论文结构安排
1.4 本章小结
2 高分辨率遥感影像特征分析
2.1 高分辨率遥感影像中的特征分析
2.1.1 光谱特征
2.1.2 空间特征
2.1.3 时间特征
2.1.4 自定义特征
2.2 高分辨率遥感影像中道路知识库
2.2.1 道路特征分析
2.2.2 构建道路提取知识库
2.3 高分辨率遥感影像道路规则集
2.3.1 特征分析
2.3.2 道路提取规则集建立
2.4 本章小结
3 高分辨率遥感影像道路提取方法
3.1 面向对象的分割方法
3.1.1 区域分割法
3.1.2 多尺度分割方法
3.2 面向对象的分层策略
3.3 面向对象的分类方法
3.3.1 最邻近分类法
3.3.2 隶属度函数的模糊分类
3.3.3 基于规则集的最邻近分类
3.4 精度评价
3.5 本章小结
4 高分辨率遥感影像道路提取实例验证
4.1 平台介绍
4.2 高分辨率遥感影像中城市道路提取实例分析
4.2.1 数据选取
4.2.2 数据处理
4.2.3 精度评价
4.3 高分辨率遥感影像中乡村道路提取实例分析
4.3.1 数据选取
4.3.2 数据处理
4.3.3 精度评价
4.4 本章小结
5 结论
5.1 主要结论
5.2 未来展望
参考文献
作者简历
学位论文数据集
【参考文献】：
期刊论文
[1]基于灰度共生矩阵与SOM神经网络的树皮纹理特征识别[J]. 李可心,戚大伟,牟洪波,倪海明. 森林工程. 2017(03)
[2]一种自动的高分辨率遥感影像道路提取方法[J]. 刘如意,宋建锋,权义宁,许鹏飞,雪晴,杨云,苗启广. 西安电子科技大学学报. 2017(01)
[3]光谱特征分析的城市道路提取[J]. 赵文智,雒立群,郭舟,岳俊,于雪滢,刘晖,韦晶. 光谱学与光谱分析. 2015(10)
[4]高分辨率影像基于影像对象的受损道路提取[J]. 李佳,杜珂磊,王宇龙. 测绘与空间地理信息. 2015(07)
[5]基于矩形模板匹配的线状地物半自动提取方法研究[J]. 孙晨阳,周廷刚,陈圣波,沈敬伟,王骏飞,杨桦. 西南大学学报(自然科学版). 2015(07)
[6]一种高分辨率影像道路中心线提取算法[J]. 苗则朗,史文中,张华. 中国矿业大学学报. 2013(05)
[7]一种面向对象的遥感图像多尺度分割方法[J]. 邱志伟,李艳,乔浩然. 地理空间信息. 2013(03)
[8]结合纹理与形状特征的高分辨率遥感影像道路提取[J]. 左娟,李勇军. 测绘. 2013(03)
[9]高分辨率遥感影像中提取道路网方法综述[J]. 杨晓亮,文贡坚. 遥感技术与应用. 2012(03)
[10]基于Hough变换和数学形态学的遥感影像城区道路提取[J]. 刘小丹,刘岩. 南京师大学报(自然科学版). 2010(04)
硕士论文
[1]基于深度学习的高分辨率遥感影像道路自动提取研究[D]. 钟传琦.电子科技大学 2018
[2]基于IDL的地理国情典型要素的特征分析与提取[D]. 曹磊.重庆交通大学 2017
[3]World-View2高分辨影像面向对象分类方法对比研究[D]. 杨叶.成都理工大学 2015
[4]基于纹理分析的高分辨率影像面向对象分类研究[D]. 郝虑远.北京师范大学 2014
[5]高分辨率影像面向对象分类特征选择方法研究[D]. 杨宁.西安科技大学 2012
[6]面向对象的高分辨率遥感影像农村公路专题信息提取[D]. 陈昌鸣.重庆交通大学 2011
本文编号：3644760
【文章来源】：北京交通大学北京市211工程院校教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
1.1 研究背景与意义
1.2 遥感影像道路提取的研究现状分析
1.2.1 国外研究现状分析
1.2.2 国内研究现状分析
1.2.3 国内外研究现状总结
1.3 论文研究内容与结构安排
1.3.1 论文主要工作
1.3.2 论文结构安排
1.4 本章小结
2 高分辨率遥感影像特征分析
2.1 高分辨率遥感影像中的特征分析
2.1.1 光谱特征
2.1.2 空间特征
2.1.3 时间特征
2.1.4 自定义特征
2.2 高分辨率遥感影像中道路知识库
2.2.1 道路特征分析
2.2.2 构建道路提取知识库
2.3 高分辨率遥感影像道路规则集
2.3.1 特征分析
2.3.2 道路提取规则集建立
2.4 本章小结
3 高分辨率遥感影像道路提取方法
3.1 面向对象的分割方法
3.1.1 区域分割法
3.1.2 多尺度分割方法
3.2 面向对象的分层策略
3.3 面向对象的分类方法
3.3.1 最邻近分类法
3.3.2 隶属度函数的模糊分类
3.3.3 基于规则集的最邻近分类
3.4 精度评价
3.5 本章小结
4 高分辨率遥感影像道路提取实例验证
4.1 平台介绍
4.2 高分辨率遥感影像中城市道路提取实例分析
4.2.1 数据选取
4.2.2 数据处理
4.2.3 精度评价
4.3 高分辨率遥感影像中乡村道路提取实例分析
4.3.1 数据选取
4.3.2 数据处理
4.3.3 精度评价
4.4 本章小结
5 结论
5.1 主要结论
5.2 未来展望
参考文献
作者简历
学位论文数据集
【参考文献】：
期刊论文
[1]基于灰度共生矩阵与SOM神经网络的树皮纹理特征识别[J]. 李可心,戚大伟,牟洪波,倪海明. 森林工程. 2017(03)
[2]一种自动的高分辨率遥感影像道路提取方法[J]. 刘如意,宋建锋,权义宁,许鹏飞,雪晴,杨云,苗启广. 西安电子科技大学学报. 2017(01)
[3]光谱特征分析的城市道路提取[J]. 赵文智,雒立群,郭舟,岳俊,于雪滢,刘晖,韦晶. 光谱学与光谱分析. 2015(10)
[4]高分辨率影像基于影像对象的受损道路提取[J]. 李佳,杜珂磊,王宇龙. 测绘与空间地理信息. 2015(07)
[5]基于矩形模板匹配的线状地物半自动提取方法研究[J]. 孙晨阳,周廷刚,陈圣波,沈敬伟,王骏飞,杨桦. 西南大学学报(自然科学版). 2015(07)
[6]一种高分辨率影像道路中心线提取算法[J]. 苗则朗,史文中,张华. 中国矿业大学学报. 2013(05)
[7]一种面向对象的遥感图像多尺度分割方法[J]. 邱志伟,李艳,乔浩然. 地理空间信息. 2013(03)
[8]结合纹理与形状特征的高分辨率遥感影像道路提取[J]. 左娟,李勇军. 测绘. 2013(03)
[9]高分辨率遥感影像中提取道路网方法综述[J]. 杨晓亮,文贡坚. 遥感技术与应用. 2012(03)
[10]基于Hough变换和数学形态学的遥感影像城区道路提取[J]. 刘小丹,刘岩. 南京师大学报(自然科学版). 2010(04)
硕士论文
[1]基于深度学习的高分辨率遥感影像道路自动提取研究[D]. 钟传琦.电子科技大学 2018
[2]基于IDL的地理国情典型要素的特征分析与提取[D]. 曹磊.重庆交通大学 2017
[3]World-View2高分辨影像面向对象分类方法对比研究[D]. 杨叶.成都理工大学 2015
[4]基于纹理分析的高分辨率影像面向对象分类研究[D]. 郝虑远.北京师范大学 2014
[5]高分辨率影像面向对象分类特征选择方法研究[D]. 杨宁.西安科技大学 2012
[6]面向对象的高分辨率遥感影像农村公路专题信息提取[D]. 陈昌鸣.重庆交通大学 2011
本文编号：3644760
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3644760.html
