导读:本文包含了可见光遥感图像论文开题报告文献综述及选题提纲参考文献,主要关键词:语义分割,可见光遥感图像,地物分类
可见光遥感图像论文文献综述
董珊,杨占昕,庞龙,庄胤,陈禾[1](2019)在《语义分割网络在可见光遥感图像地物分类中的应用》一文中研究指出遥感技术的发展推动遥感图像数据爆发式增长,并呈现出更高分辨率、更大幅宽的趋势。传统地物分类方法特征提取能力和泛化能力不足以解决高分辨率遥感图像的多地物分类问题。语义分割网络在自然场景图像中展现了强大的特征提取能力。针对复杂场景的高分辨率遥感图像,需结合遥感图像的特点,提出更适用于遥感图像地物分类的遥感语义分割模型。(本文来源于《第十叁届全国信号和智能信息处理与应用学术会议论文集》期刊2019-10-25)
李庆峰[2](2019)在《可见光遥感图像舰船目标检测技术研究》一文中研究指出随着光学遥感卫星条带幅宽和成像分辨率的提高,以及遥感图像采集周期的缩短,如何从海洋遥感图像中提取有价值的信息,促进经济发展和保障国防安全,已成为遥感图像理解与分析的研究热点。利用技术手段从海量的图像数据中检测人造舰船目标,在民用和军事领域中有着巨大应用与战略需求。在海浪、云和岛屿等背景干扰下,从复杂的遥感图像场景中快速、准确地定位并检测出舰船仍然是个难题。针对现有的数据资源,重点研究了可见光遥感图像中舰船目标检测方法和存在的问题,并分析了高分辨率遥感图像中舰船目标的特点,研究和阐述了舰船检测关键技术。在海浪和云雾等背景干扰下,完成了对大尺度、高分辨率可见光遥感图像中的疑似舰船目标定位和检测,取得了一定的研究成果和工程参考价值。本文主要研究工作如下:1.围绕舰船目标检测问题,研究分析了可见光遥感图像及舰船目标的特点,完成了感兴趣区域定位、遥感图像分割、目标切片特征描述与分类检测等关键技术的研究,作为海域舰船检测算法提出的基本原理支撑与理论依据。2.针对云层和海浪背景下的可见光遥感图像中疑似舰船目标的筛选定位问题,提出了基于视觉注意计算模型的候选区域快速定位方法。其中,基于谱残差模型的候选目标定位方法,解决了云雾遮掩下的舰船目标快速定位和目标分割不完整问题。基于最大对称环绕模型的候选目标定位方法,解决了海浪背景下的舰船目标快速定位和目标分割不完整问题。3.针对海洋背景下可见光遥感图像舰船目标检测问题。根据舰船的形状特点,对梯度方向直方图特征进行改进,设计表征舰船形状特性的梯度方向特征。同时,用统一化LBP(Local Binary Pattern)特征的方差和灰度共生矩阵特征来描述舰船的纹理信息。进而,提出基于AdaBoost分类的融合特征舰船检测方法,有效地剔除了目标切片中非舰船目标的干扰,减少了特征向量的维数,降低了计算复杂度,解决了识别准确率低的问题。实验结果表明:本文算法能准确提取遥感图像中舰船目标的数量和位置信息,在检测时间和精度上都能够满足实际工程需要。(本文来源于《中国科学院大学(中国科学院长春光学精密机械与物理研究所)》期刊2019-06-01)
徐芳[3](2018)在《可见光遥感图像海面目标自动检测关键技术研究》一文中研究指出近年来,随着对地观测技术的飞速发展,大批高空间分辨率的光学遥感成像卫星涌现,可获取卫星亚米级分辨率全色影像;而无人机等航空影像更可实现近地高清目标获取,航天航空遥感为海域目标检测与识别提供了极为丰富的数据源,遥感图像在军用和民用领域的应用范围日趋广泛。舰船作为海上监测和战时打击的重要目标,对其进行检测与识别可以监察重点海域的舰船分布情况,分析敌方作战实力,掌握海上作战情报,进行精确制导等;另外,还可以满足海上交通监管,海上搜救,反走私等实际工作的需要。然而,由于拍摄距离远,云团、雾霾遮蔽,光照不均匀,舰船与海面亮度及颜色对比度不高,海杂波、小岛干扰等,很容易导致检测产生虚警和漏检。如何精准、快速、稳定地检测与提取海面舰船目标,赢得更可能多的反应与处理时间,已成为当前迫切需要解决的难题。为了提高遥感图像的数据处理效率、提升遥感信息自动化处理的准确率和可靠性,本文围绕可见光遥感图像中的舰船目标自动检测问题,研究了舰船目标潜在区域提取,图像分割,鉴别特征计算等关键技术,在此基础上设计了一系列具有较高检测精度、低虚警率的海面舰船目标自动检测方法,提高了舰船目标自动检测识别系统的效率和适应性。本文的主要研究内容归纳如下:1.基于视觉显着性的方法可迅速觉察到与当前场景和任务相关的信息。本文在讨论了视觉显着性的研究意义及对目标自动检测系统的应用价值基础上,分别对显着目标检测等视觉显着性模型的构建、及其在可见光遥感图像舰船目标检测中的应用展开深入研究,设计了结合多频域改进显着性检测模型搜索海面舰船目标区域,更有效地抑制了海面大面积云雾,海杂波背景干扰,增强和凸显了目标整体连续性及目标间的可区分性,提高了对较小目标检测的能力。2.显着性检测后,会抑制一些薄云,海雾,阴影,海杂波等干扰,但仍可能检测到厚重的云层,岛屿或海岸线等干扰物,需根据有效的舰船与干扰物的特征剔除非舰船目标,该步骤对降低虚警率非常重要。本文设计了一种实用的梯度方向特征方法对检测到的目标加以鉴别确认,逐一剔除厚重云层,海岛和海岸线等虚假目标的干扰,保留真实舰船目标,该方法具有强目标表征能力,由粗到精地实现了光学遥感图像中海面舰船目标的检测与识别。3.为提高对不同分辨率海面图像的适应性检测,本文设计了基于小波变换的遥感图像舰船目标显着性检测方法,该方法基于小波变换的多尺度多方向特性,构建图像不同颜色通道上的高频细节特征图,表征从边缘到纹理的目标显着性信息;通过高斯概率密度函数,构建输入图像的全局特征显着性模型,搜索定位海面舰船目标,目标区域定位准确,适应不同分辨率的海面图像和不同像素尺度的舰船目标。4.针对遥感图像中尺寸较小、难以精细分割的舰船目标,本文设计了一种舰船信息改进熵估计和目标像素分布判定的目标鉴别方法,充分考虑了舰船目标和非舰船目标切片的像素分布结构信息,可适用于不同尺度大小的舰船目标,不需要对切片图像中的目标进行精细分割和特征提取等预处理,能有效鉴别切片中的舰船目标和非舰船目标,输出最终检测结果。综上所述,本文对可见光遥感图像舰船目标自动检测与识别领域面临的问题和挑战所涉及的相关理论进行了分析,围绕构建显着性模型,搭建深度学习网络架构等关键技术问题进行了研究,取得了一定的成果。本文文相关成果可为航天航空可见光遥感图像的舰船目标自动检测与识别技术提供理论基础与算法支持,具有借鉴意义。(本文来源于《中国科学院大学(中国科学院长春光学精密机械与物理研究所)》期刊2018-06-01)
曾含笑[4](2018)在《基于可见光遥感图像的温度场调制方法研究》一文中研究指出红外场景仿真技术在现代化武器系统的研制过程中发挥着不可或缺的作用。红外场景仿真的真实性,能够为现代化武器系统的研制提供更好的保障。其中,红外场景仿真的真实性很大程度上取决于红外纹理的真实性。红外纹理温度场是用来表征红外纹理的重要数据,温度场的分布可直接影响红外纹理的真实性。可见光遥感图像具有细节丰富、资源易取且能真实表征地貌分布等特点,并与红外图像均反映二维电磁能量分布。因此本文以可见光遥感图像为基础,研究如何调制出更真实的红外纹理温度场。本文分析了红外温度场调制方法的发展现状,并针对其调制方法中的不足进行了改进,主要内容有:(1)高真实的遥感图像是调制生成红外纹理温度场的重要前提。通过在现有的红外纹理温度场调制生成框架中,引入图像增质算法,提升遥感图像的质量,为后续的温度场调制做准备。其中,利用去阴影算法解决了遥感图像中存在的阴影问题;利用图像修复算法解决了遥感图像中存在的运动物体问题。(2)重点研究利用分类调制方法调制红外纹理温度场。首先从材质的具体特点出发,根据遥感图像中材质表面结构特点,将表面分成平坦表面和起伏表面。其次仔细研究两种表面结构对温度的影响,并推导出各自对应的红外纹理温度场调制模型。最后根据调制模型,得到初步的红外纹理温度场调制结果。(3)深入研究大规模场景中环境因素对温度场的影响。首先介绍了利用海拔高度信息调制材质温度场的原理和过程。其次利用高程数据蕴含的太阳高度角、太阳方位角、经纬度等信息,确定出不同时刻的太阳朝向,进而确定出不同时刻下的阳光照射比例。最后利用阳光照射比例信息,调制大规模场景中的红外纹理温度场,得到最终的大规模红外纹理温度场。(本文来源于《西安电子科技大学》期刊2018-05-01)
盛佳佳[5](2018)在《SAR与可见光遥感图像融合方法研究》一文中研究指出随着遥感技术的蓬勃发展,获得大量的多时相、高分辨率、多极化的卫星遥感图像数据已不是难事。SAR与可见光图像作为广泛应用的遥感图像,虽彼此之间灰度差异值大,但各自都有其图像特点。SAR图像通过主动式微波成像,对人造建筑敏感,反映地物的纹理特征和结构信息。可见光图像通过光反射成像,反映图像的光谱信息和大致地物轮廓,具有优越的目视效果。然而受传感器设计的局限,遥感图像的空间分辨率和光谱分辨率两者之间相互制衡。在遥感图像的数据需求日益增长的情况下,如何实现SAR与可见光图像之间优势互补,获得高空间分辨率、高光谱图像是现今遥感领域的研究重点。本文从多源遥感传感器出发,在分析总结SAR与可见光图像的成像原理和国内外现有的融合算法后发现,目前的融合算法仍存在光谱失真、感兴趣目标不突出等问题。本文在已有技术的基础上,深入研究SAR与可见光图像融合算法,主要工作概括为两个方面:1、提出了一种基于NSST与IHS变换稀疏表示的融合算法。该算法利用NSST变换在多尺度分析和平移不变性上的优势,并运用稀疏表示能捕捉结构特征,对低频分量强调结构相似性和亮度差异性的稀疏表示,提升全局显着结构和感兴趣目标的辨识度;对高频分量分析了局部区域像素间的联系,所提融合规则能保留图像空间细节信息。2、提出了一种结合相位一致性稀疏表示的SAR与可见光融合算法,该算法根据相位一致性在提取图像的纹理特征方面的优势,将相位一致性的特征保持图来平滑的注入稀疏表示后的I分量。算法考虑到高低频分量的差异性,针对性的设计融合规则,使得融合图像在特征保持、纹理边缘和光谱特性上得到有效的保持。论文以landsat8光学卫星和哨兵1号SAR卫星的遥感数据对文中所提算法进行主观评价和客观评价。根据实验和对比分析,结果表示:相比于其他融合算法,本文所提算法不论视觉还是评价指标都有了明显提高,空间结构信息和光谱信息得到有效的保持。(本文来源于《合肥工业大学》期刊2018-04-01)
左童春[6](2017)在《基于高分辨率可见光遥感图像的建筑物提取技术研究》一文中研究指出基于大规模可见光遥感图像的全自动建筑物提取技术已经被研究了数十年了。该技术在遥感图像分析领域扮演了重要的角色,它被广泛应用于数字城市,军事侦察,灾害评估等。但是,真实城市场景中建筑物的尺寸范围很宽、颜色纹理十分复杂、日照原因产生的阴影遮挡等难题为屋顶提取带来了巨大地挑战。在本文中,我们提出了一个完整的建筑物区域识别和轮廓估计系统,相比之前的方法,本文的系统既显着地提高了识别准确率,也降低了轮廓估计误差。对于高分辨率遥感图像,整个全自动识别和轮廓提取的过程耗时仅为数秒,成为了当前最快的建筑物提取系统。具体地,本文的贡献可以归纳为如下两个方面:(1)本文提出了一个端到端的多层级融合全卷积神经网络结构,我们称为HF-FCN,该网络结构能够有效地将具有一组差序感知野的神经元感知到的深层图像特征融合起来。该网络结构可以将任意大小的图像不加裁剪或变形地作为网络输入,直接得到最终预测结果。这不仅方便了用户的使用,而且明显减少网络处理时间。经过本文对网络结构的改进,我们的网络参数被压缩至50MB左右。本文还提出了叁种HF-FCN的结构变体,并在公开数据集上进行了性能比较实验,证明了这些神经网络结构的合理性。为了验证本文所提网络结构的性能,我们分别和国际上主流的语义分割方法,基于深度学习方法的建筑物识别方法在公开遥感图像数据集上进行了比较,实验结果证明了我们的方案在算法复杂度和识别准确率上具有明显优势。(2)本文设计了一个高效快速的轮廓估计方案,该方案为场景中不同尺寸的建筑物定制了不同的后处理和轮廓估计方案。尤其对于尺寸较大的建筑物区域,本文提出了一种新型的迭代式结构点检测算法,在保证高压缩比的同时,有效地保持住了建筑物的结构特征。本文设计了一组实验充分展示了该算法各环节的耗时情况和轮廓估计结果。为了证明该算法的保结构性,本文以总均方误差和可视化结果为衡量标准,在一组测试集上和多边形逼近算法做了详细的性能比较。实验证明本文的方法更适合处理建筑物轮廓估计任务。(本文来源于《中国科学技术大学》期刊2017-06-01)
任笑圆[7](2016)在《知识辅助的可见光遥感图像靠岸舰船目标检测方法研究》一文中研究指出随着遥感技术的发展,通过遥感手段进行目标检测越来越受到关注。港口是一类重要的设施,利用遥感手段对港口内停驻的舰船目标进行检测在港口监测、战力侦察等诸多军事和民用领域均具有重要意义。但是,目标在图像层面反映的信息有限,仅依靠遥感图像这一单一的信息源进行目标提取有较大的局限性。尤其对于易受环境影响的光学图像,当存在干扰因素时,图像中可提取的特征往往不足以满足准确检测目标的要求。特别是对于靠岸舰船目标,由于其停泊环境的复杂性,仅凭遥感图像分析很难保证检测结果的准确性。近年来,随着知识体系不断完善,信息资源不断丰富,使用知识辅助是当前解决遥感图像目标检测识别任务难题的一种新思路。本文较完整地梳理了与靠岸舰船目标检测任务相关的可用知识,建立了面向任务的知识模型,并在此基础上提出了地理信息辅助的海陆分离方法和舰船规律辅助的靠岸舰船目标检测方法。论文主要工作如下:(1)建立了面向舰船目标检测任务的知识模型。首先进行了靠岸舰船检测的任务建模,研究了其任务特点和流程;然后进行了面向靠岸舰船检测任务的知识建模,对与靠岸舰船检测相关的知识进行了合理的分类和表达;最后在任务模型和知识模型的基础上建立了靠岸舰船检测模型,明确了知识辅助下的靠岸舰船检测任务流程。(2)提出了一种地理信息辅助的海陆分离方法。首先给出了地理信息辅助下的海陆分割流程;然后研究了基于灰度形态学的预处理方法和基于邻域特性的全局分割方法;接着通过挖掘和利用地理先验知识实现了局部区域的海陆分离;最后通过局部和全局结果互补融合的方式得到最终结果。该方法合理地使用了地理信息,结合图像分析的手段,对于港口区域的海陆分离达到了较高的准确率。(3)提出了一种舰船停泊规律辅助的光学图像靠岸舰船目标检测方法。首先研究了光学影像下的舰船目标特性和舰船停泊规律,给出了靠岸舰船目标检测流程;然后结合舰船结构特性停泊规律,提出了检测过程中解决目标隔断和粘连的解决方法;最后给出了在舰船停泊规律辅助下研究了目标鉴别方法。通过合理地分析和应用舰船停泊规律,该方法较好地解决了靠岸舰船检测中常出现的目标隔断和粘连问题,达到了较理想的目标正确检测率。(本文来源于《国防科学技术大学》期刊2016-11-01)
瞿涛[8](2016)在《分米级可见光遥感图像特定目标的在线检测》一文中研究指出遥感图像特定目标检测一直是图像处理领域研究的热点之一。分米级可见光遥感图像能够获取米级可见光图像所缺失的纹理细节信息,物体结构比SAR图像等更接近人眼视觉感知的目标特点,但是数据量也远高于以往的遥感图像。因此,需要研究能够适应分米级可见光遥感图像特点的在线目标检测算法,满足更高精度和速度的遥感图像处理需求。本文课题来源于中科院合作项目《光学遥感图像复杂目标处理系统》,将遥感图像中车辆目标作为检测对象,对分米级可见光大幅面遥感图像特定目标在线检测算法进行研究,完成了以下几项工作:对分米级分辨率遥感图像特定目标检测算法进行了全面的综述研究,根据分米级遥感图像数据量大、目标结构清晰的特点,提出了特定目标检测算法的框架:首先对原始遥感图像进行快速筛选,找到疑似目标窗口;然后对候选窗口采用高精度复杂分类器进行检测,剔除负样本,得到真实目标。本文主要对候选目标快速提取算法和复杂分类器检测算法进行研究,并在8核DSP平台上实现了遥感图像特定目标的在线检测。原始大幅面遥感图像拥有海量的数据,使用复杂分类器直接处理,计算量大,效率低,本文采用基于置信度联合校准的候选目标快速提取算法得到目标的候选窗口。算法首先采用多阈值二值化梯度范数提取通用目标特征,然后采用级联支持向量机计算候选窗口附近区域置信度,使用多个高置信度分值校准目标位置。通过在慕尼黑车辆公开数据库上的实验表明,基于置信度联合校准的候选目标快速提取算法在检测率为98.6%时,生成的窗口数量为滑动窗口算法的1/14,有效降低了后续复杂分类器的处理负担。初步筛选出的候选窗口中存在较多负样本,本文采用基于多阈值最大梯度范数预处理的深度卷积神经网络剔除负样本,得到真实目标。检测算法先计算遥感目标在多个阈值下的最大梯度范数图,增强目标被树木和建筑物阴影遮挡时的轮廓;然后采用深度卷积神经网络提取样本的深层不变性特征,使用Caffe模型训练和测试网络,减少训练周期。基于多阈值最大梯度范数预处理的深度卷积神经网络检测算法增强了目标被干扰时的边缘轮廓,对于平移、旋转和缩放具有更好的鲁棒性。传统的深度卷积神经网络采用max-pooling提取图像固定尺度下的特征,难以兼顾目标的整体和细节信息,且容易过拟合,使得算法准确度下降。本文提出了基于多项式池化金字塔的深度卷积神经网络,将特征图由粗到细分为多个尺度,统计每个尺度的概率分布模型,将概率模型的采样结果和幅值期望分别作为训练和测试输出,减少过拟合问题;并对网络进行预训练和微调,增强泛化能力。基于多项式池化金字塔的深度卷积神经网络在慕尼黑车辆公开数据库上的实验表明,查全率为95%时,算法准确率为93.3%,虚警率为17.7%,检测效果显着提升。在嵌入式8核DSP TMS320C6678平台上实现了完整的遥感特定目标在线检测算法。本文将候选目标快速提取算法和深度卷积神经网络算法移植到嵌入式多核DSP平台中,利用8个DSP核并行计算多阈值梯度范数、卷积和池化等步骤,实验表明,嵌入式平台算法处理尺寸为5616*3744的图像时,并行加速比为6.01,总耗时为0.11秒,实现了大幅面遥感图像特定目标的在线检测。候选目标提取算法的目的是从原始遥感图像中找出疑似目标窗口,查全率要尽可能高,虚警样本会在后续强分类器中剔除,因此,本文使用DR-#WIN曲线、查全率和计算量作为衡量算法性能的标准。后续的特定目标检测算法精确判断疑似窗口是否为实际目标,在提高查全率的同时,需要减少误识样本,因此,本文使用查全率、准确率和虚警率作为衡量算法性能的标准。通过在具备高难度和高挑战性的慕尼黑车辆公开数据库上的实验表明,本文提出的算法比HOG、LBP和MVC等算法的检测效果更好,计算时间更少,满足遥感处理系统特定目标在线检测的要求。(本文来源于《武汉大学》期刊2016-10-01)
伍颖佳[9](2015)在《高分辨率可见光遥感图像中飞机目标检测方法研究》一文中研究指出高分辨率可见光遥感图像飞机目标检测是遥感数据处理领域中的难点问题之一,具有重要的理论意义和实际应用价值。遥感图像目标检测是将图像从数据转换为信息,从而实现图像判读解译和目标监视的重要环节,随着遥感数据分辨率的提高,图像提供的信息愈来愈丰富,对于提高图像自动化解译的能力、遥感数据的信息利用率等都有着直接的影响。其中,作为一种重要的军事目标,基于飞机的遥感图像目标检测具有十分重要的军事意义,有利于分析战争形势、辅助战争决策、提高作战效率。是遥感信息智能处理领域中的关键研究问题。本论文针对高分辨率遥感图像目标自动识别的特殊性,在借鉴人类视觉系统的基础上,利用超像素分割的方法检测飞机目标。论文主要工作和创新点如下:一、本文围绕高分辨率可见光遥感图像中飞机目标的检测识别问题,在研究了超像素分割、全局显着性检测、区域特征提取等关键技术的基础上,提出了一种基于超像素区域视觉显着性的飞机目标检测算法。借鉴机器视觉领域显着性检测的概念,提出了基于超像素区域的显着度计算模型,该方法在超像素层次上进行特征描述和提取,提高了目标检测效率和精度。二、本文提出了一种基于超像素词包模型的飞机目标检测算法。首先,计算高分遥感图像的视觉显着性图,根据显着点密集情况采集各类样本;其次,在超像素层次上,构建样本的特征向量并生成词包模型;最后,利用已标记样本离线训练SVM分类器,从而实现对飞机目标的自动检测。实验结果表明,该方法克服了基于滑动窗口的低检测效率问题,大幅减少了搜索空间与计算复杂度,有效地实现了高分辨率图像的飞机目标检测。(本文来源于《国防科学技术大学》期刊2015-11-01)
胡修兵[10](2014)在《中波红外与可见光遥感图像匹配技术研究》一文中研究指出图像匹配是图像工程中的一项基本命题,在摄影测量与遥感、计算机视觉和医学图像处理等领域都是重点研究的基础性和关键性技术。图像匹配问题主要面临着来自图像之间几何畸变和灰度畸变两个方向的挑战,所以相应的图像匹配研究的难点分别是宽基线图像匹配和多模态图像匹配问题。中波红外与可见光遥感图像的匹配,就属于多模态图像匹配的挑战性问题。红外与可见光图像的匹配在遥感、计算机视觉和军事等领域都有着广泛的应用需求,这两种图像的匹配主要是为下一环节的图像配准和信息融合工作提供支持。本文研究的项目背景是国内首套机载中波红外成像系统的研制工作,通过中波红外与可见光遥感图像的匹配,还可以利用可见光波段摄影测量成果来辅助中波红外影像的定向。所以,开展机载中波红外与可见光遥感图像匹配技术的研究,不仅对新型航空遥感平台研制和景象匹配精确制导技术研发有着直接的应用需求,而且对于丰富和发展图像工程以及多光谱遥感对地观测理论等问题更有着重要的促进意义。针对目前基于区域和基于特征的多模态图像匹配方法存在的问题,结合中波红外与可见光遥感图像的特性分析,本文提出结合梯度平方变换的梯度相关快速匹配算法。梯度信息突出反应了图像的结构特性,复数域的梯度相关匹配比实数域的灰度相关匹配具有更好的匹配精度和鲁棒性,再通过梯度平方变换将梯度相关匹配方法进一步推广应用到多模态图像的快速匹配问题。本文的研究工作和创新性主要体现在以下几个方面:1)研究机载中波红外与可见光遥感图像的特性差异及匹配预处理技术从电磁辐射和光学成像原理等方面,分析中波红外与可见光遥感图像在灰度特性和几何特征上呈现的差异性和关联性,以及相应的灰度、几何预处理方法,包括中波红外图像的显示增强、去坏点处理等,以及中波红外相机的几何标定、面阵摆扫影像的投影纠正处理等。2)研究了基于特征的多模态遥感图像匹配的可行性问题研究在多模态图像灰度特性差异的情况下,采用现有算法进行特征点或边缘提取所出现的特征相互缺失和位置响应不一致等问题和原因。基于特征的多模态图像匹配的瓶颈,并不是匹配测度的模态不变性,而应该是特征的可重现探测问题,指出至少在目前,基于特征的多模态遥感图像匹配的可行性还很低。3)研究了基于区域的多模态遥感图像匹配的可行性问题通过对互信息的主要技术实现和改进方法的分析和比较,提出对联合直方图平滑来实现简易实用的灰度概率估计方法,结合PV插值技术克服了互信息的非凸性和局部极值问题,对于多模态遥感图像匹配具有一定的可行性。实现了基于自相似测度的区域匹配FFT快速算法,进而分析了自相似性与梯度信息的关联性,而复数梯度表示图像结构的信息损失更少,计算复杂度更低,指出研究基于梯度的多模态图像匹配频率域快速算法,更有可行性和应用价值。4)提出了幅值不变的多模态图像梯度平方变换算法变换后的多模态图像具有与单模态图像相似的梯度方向属性,克服了以往梯度方向镜向算法的角度值归算误差和奇异性问题。与梯度幅值归一化方法相比,本文方法的计算效率更高,而且完全不涉及阈值设置问题,同时保留了梯度幅值信息而减少了图像信息的损失,还便于实现FFT频域快速算法,也可以与特征匹配方法结合使用。5)将图像相关频域快速算法推广应用到多模态图像匹配辨析了实数灰度或复数梯度图像,在空间域相关频域快速算法与频率域相位相关算法的联系和区别,比较了两者的匹配模型和性能差异。将Fourier-Mellin算法推广并应用到多模态图像的相似变换匹配问题,指出复数梯度图像的功率谱不具有共轭对称性,简化了梯度图像Fourier-Mellin算法的旋转角解算步骤。提出了结合梯度平方变换、FFT梯度相关、梯度相位相关的中波红外与可见光遥感图像匹配技术方案。(本文来源于《武汉大学》期刊2014-10-01)
可见光遥感图像论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
随着光学遥感卫星条带幅宽和成像分辨率的提高,以及遥感图像采集周期的缩短,如何从海洋遥感图像中提取有价值的信息,促进经济发展和保障国防安全,已成为遥感图像理解与分析的研究热点。利用技术手段从海量的图像数据中检测人造舰船目标,在民用和军事领域中有着巨大应用与战略需求。在海浪、云和岛屿等背景干扰下,从复杂的遥感图像场景中快速、准确地定位并检测出舰船仍然是个难题。针对现有的数据资源,重点研究了可见光遥感图像中舰船目标检测方法和存在的问题,并分析了高分辨率遥感图像中舰船目标的特点,研究和阐述了舰船检测关键技术。在海浪和云雾等背景干扰下,完成了对大尺度、高分辨率可见光遥感图像中的疑似舰船目标定位和检测,取得了一定的研究成果和工程参考价值。本文主要研究工作如下:1.围绕舰船目标检测问题,研究分析了可见光遥感图像及舰船目标的特点,完成了感兴趣区域定位、遥感图像分割、目标切片特征描述与分类检测等关键技术的研究,作为海域舰船检测算法提出的基本原理支撑与理论依据。2.针对云层和海浪背景下的可见光遥感图像中疑似舰船目标的筛选定位问题,提出了基于视觉注意计算模型的候选区域快速定位方法。其中,基于谱残差模型的候选目标定位方法,解决了云雾遮掩下的舰船目标快速定位和目标分割不完整问题。基于最大对称环绕模型的候选目标定位方法,解决了海浪背景下的舰船目标快速定位和目标分割不完整问题。3.针对海洋背景下可见光遥感图像舰船目标检测问题。根据舰船的形状特点,对梯度方向直方图特征进行改进,设计表征舰船形状特性的梯度方向特征。同时,用统一化LBP(Local Binary Pattern)特征的方差和灰度共生矩阵特征来描述舰船的纹理信息。进而,提出基于AdaBoost分类的融合特征舰船检测方法,有效地剔除了目标切片中非舰船目标的干扰,减少了特征向量的维数,降低了计算复杂度,解决了识别准确率低的问题。实验结果表明:本文算法能准确提取遥感图像中舰船目标的数量和位置信息,在检测时间和精度上都能够满足实际工程需要。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
可见光遥感图像论文参考文献
[1].董珊,杨占昕,庞龙,庄胤,陈禾.语义分割网络在可见光遥感图像地物分类中的应用[C].第十叁届全国信号和智能信息处理与应用学术会议论文集.2019
[2].李庆峰.可见光遥感图像舰船目标检测技术研究[D].中国科学院大学(中国科学院长春光学精密机械与物理研究所).2019
[3].徐芳.可见光遥感图像海面目标自动检测关键技术研究[D].中国科学院大学(中国科学院长春光学精密机械与物理研究所).2018
[4].曾含笑.基于可见光遥感图像的温度场调制方法研究[D].西安电子科技大学.2018
[5].盛佳佳.SAR与可见光遥感图像融合方法研究[D].合肥工业大学.2018
[6].左童春.基于高分辨率可见光遥感图像的建筑物提取技术研究[D].中国科学技术大学.2017
[7].任笑圆.知识辅助的可见光遥感图像靠岸舰船目标检测方法研究[D].国防科学技术大学.2016
[8].瞿涛.分米级可见光遥感图像特定目标的在线检测[D].武汉大学.2016
[9].伍颖佳.高分辨率可见光遥感图像中飞机目标检测方法研究[D].国防科学技术大学.2015
[10].胡修兵.中波红外与可见光遥感图像匹配技术研究[D].武汉大学.2014