版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、高分辨率遙感影像由于具有更新速度快、獲取周期短、地物細節(jié)豐富等特點,在社會各個領域中有著廣泛的應用。傳統的影像提取方法是建立在像元分析的基礎上,在提取高分辨率影像信息時很少利用地物的形狀、幾何結構等信息,分類精度較低、效率不高,而且過多依賴人工操作,很大程度上不具備重復性,從而降低了信息提取精度。
為了更好地實現高分辨率影像信息的提取與應用,本文從對象的角度提出了多尺度和數學形態(tài)學相結合的分割方法提取最優(yōu)目標對象,以得到高
2、精度的分類結果。與傳統的信息提取方法相比較無論是影像分析還是思考的角度有著很大的提高與進步。本文主要從以下幾方面進行了研究:
(1)針對傳統的分類方法提取高分辨率影像時計算量大、算法效率低等缺點,本文從面向對象的角度出發(fā)采用數學形態(tài)學與多尺度相結合的方法分割高分辨率影像,該方法選用符合目標提取特征的結構元素探測影像邊緣信息,把探測得到的不同尺度邊緣信息進行熵權邊緣融合,以得到最優(yōu)分割對象為影像分類奠定基礎。
3、(2)通過多尺度與數學形態(tài)學相結合的影像分割方法得到特征對象,利用具有光譜、紋理等特性的對象采用多特征的模糊分類方法建立各對象之間的層次關系,分類的過程首先要在一組多維向量中選擇最優(yōu)的特征,然后使用模糊分類器確定不同類之間的距離總數,進而采用最鄰近分類器進行分類以達到較好的分類結果。
(3)本文利用桂林市航測影像數據,選擇建筑物分布密集的區(qū)域作為驗區(qū),運用多尺度和數學形態(tài)學相結合的分割方法進行試驗,得到該實驗區(qū)內最優(yōu)地物對
4、象。試驗首先通過該方法獲取實驗區(qū)內各類地物的分割對象,再對不同地物的光譜、形狀、紋理等信息分析后,構建針對實驗區(qū)地類特點的特征空間,并選擇最鄰近分類器和模糊分類器相結合的聯級分類完成建筑物信息的提取,并得到較理想的實驗效果。
與傳統分類方法相比,基于對象的影像提取方法充分利用了地物的光譜、紋理、位置和幾何形狀等信息,避免了基于像元的影像信息提取方法在高分辨率影像提取時,由于同一地物內部異質性增加而產生噪聲現象,從而提取了高
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數學形態(tài)學的多尺度信息提取方法研究.pdf
- 基于形態(tài)學多尺度圖像分析的海藻細胞圖像分割及特征提取.pdf
- 基于數學形態(tài)學的多尺度邊緣檢測研究.pdf
- 基于數學形態(tài)學的圖像分割方法研究.pdf
- 數學形態(tài)學圖像分割方法研究
- 基于數學形態(tài)學的遙感影像人工草地提取研究.pdf
- 改進的閾值函數與形態(tài)學相結合的邊緣檢測方法.pdf
- 基于數學形態(tài)學的醫(yī)學圖像分割方法研究.pdf
- 基于MRF模型及形態(tài)學的圖像多尺度分析.pdf
- 基于數學形態(tài)學的細胞圖像分割.pdf
- 基于數學形態(tài)學及紋理特征的QuickBird影像道路分割技術研究.pdf
- 結合形態(tài)學的基于閾值分割方法在MR腦實質圖像提取中的應用研究.pdf
- 數學形態(tài)學方法與隨機場圖像分割研究.pdf
- 小波變換與數學形態(tài)學相結合的虹膜識別算法研究.pdf
- 基于數學形態(tài)學的圖像分割算法研究.pdf
- 基于數學形態(tài)學圖像分割算法的研究.pdf
- 基于小波分解和多尺度形態(tài)學的乳腺細胞圖像自動分割識別.pdf
- 基于數學形態(tài)學的管道缺陷特征提取方法研究.pdf
- 基于多尺度多結構元素數學形態(tài)學的圖像邊緣檢測.pdf
- 基于數學形態(tài)學的細胞圖像分割算法研究.pdf
評論
0/150
提交評論