資源描述：
《融合非監(jiān)督分類和幾何—紋理—光譜特征的高分辨率遙感影像道路提取》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文融合非監(jiān)督分類和幾何-紋理-光譜特征的高分辨率遙感影像道路提取作者姓名：韓潔指導(dǎo)教師:李安正高級工程師中國科學(xué)院遙感與數(shù)字地球研究所郭擎副研究員中國科學(xué)院遙感與數(shù)字地球研究所學(xué)位類別:工學(xué)碩士學(xué)科專業(yè):信號與信息處理培養(yǎng)單位:中國科學(xué)院遙感與數(shù)字地球研究所2018年6月Roadextractionbasedonunsupervisedclassificationandgeometric-texture-spectralfeaturesforhigh-resolutionremotesensingimagesAthesissubmittedtoUni
2、versityofChineseAcademyofSciencesinpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinEngineeringinSignalandinformationprocessingByHanJieSupervisors:ProfessorLiAnAssociateProfessorGuoQingInstituteofRemoteSensingandDigitalEarthoftheChineseAcademyofSciencesJune2018中國科學(xué)院大
3、學(xué)研究生學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究工作所取得的成果。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對論文所涉及的研究工作做出貢獻(xiàn)的其他個人和集體，均已在文中以明確方式標(biāo)明或致謝。作者簽名：日期：中國科學(xué)院大學(xué)學(xué)位論文授權(quán)使用聲明本人完全了解并同意遵守中國科學(xué)院有關(guān)保存和使用學(xué)位論文的規(guī)定，即中國科學(xué)院有權(quán)保留送交學(xué)位論文的副本，允許該論文被查閱，可以按照學(xué)術(shù)研究公開原則和保護(hù)知識產(chǎn)權(quán)的原則公布該論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復(fù)制手段保存、匯編
4、本學(xué)位論文。涉密及延遲公開的學(xué)位論文在解密或延遲期后適用本聲明。作者簽名：導(dǎo)師簽名：日期：日期：摘要摘要道路作為極具經(jīng)濟(jì)價(jià)值的基礎(chǔ)設(shè)施，是社會經(jīng)濟(jì)發(fā)展的基礎(chǔ)。高分辨率遙感技術(shù)的發(fā)展為路網(wǎng)信息的獲取提供了一種便捷、高效的新途徑。目前針對高分辨率遙感影像道路提取多采用監(jiān)督分類方法，但需要人工選擇樣本，自動化程度低且具有不穩(wěn)定性；基于像元級的方法，提取完整度低且易產(chǎn)生椒鹽噪聲；面向?qū)ο蟮姆椒ㄒ桩a(chǎn)生粘連問題。由于自然場景的復(fù)雜性，遙感影像易受噪聲干擾，再加上提取算法的局限性，道路提取并沒有得到很好的解決。高分辨率遙感影像的道路提取依然是國內(nèi)外研究的熱點(diǎn)和難點(diǎn)。為了提高
5、道路提取的完整度、準(zhǔn)確度和自動化程度，本文從多特征融合的角度出發(fā)，提出一種結(jié)合非監(jiān)督分類和多特征的道路提取方法。具體的研究工作主要有：（1）分析了我國道路的分類體系，總結(jié)了道路在高分辨率遙感影像上的特征，以及不同場景下道路的干擾因素。（2）提出了一種基于非監(jiān)督分類和幾何-紋理-光譜特征的高分辨遙感影像道路提取方法，建立了一套完整的非道路區(qū)域?yàn)V除體系，選擇城市、鄉(xiāng)村、山區(qū)三種場景下六幅不同衛(wèi)星、不同分辨率的高分辨率遙感影像進(jìn)行實(shí)驗(yàn)，并與國內(nèi)外兩種有代表性的像素和對象兩個層面上的道路提取方法進(jìn)行對比。實(shí)驗(yàn)結(jié)果表明，本文方法可以有效改善椒鹽噪聲和粘連現(xiàn)象，且具有較高
6、的自動化程度。（3）針對高分辨率遙感影像中易產(chǎn)生的陰影和遮擋問題，應(yīng)用了一種基于Frangi線性目標(biāo)增強(qiáng)的改進(jìn)方法。選擇了四幅高分辨率影像進(jìn)行對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，該方法能夠有效提取出影像中的線性特征，解決部分陰影和遮擋問題，并且具有較高的穩(wěn)定性和精度。關(guān)鍵詞：非監(jiān)督分類，紋理特征分類，F(xiàn)rangi線性目標(biāo)增強(qiáng)，邊緣濾波，形狀濾波，道路提取，定量評價(jià)IAbstractAbstractAsaninfrastructurewithgreateconomicvalue,roadsarethefoundationofsocialandeconomicdevelopm
7、ent.Thehigh-resolutionremotesensingtechnologyprovidesaconvenientandefficientnewwayforroadnetworkinformationacquisition.Atpresent,thesupervisedclassificationismostlyusedinhigh-resolutionremotesensingimageroadextraction,butthemanualselectionofsampleisneeded.Thusitiswithlowautomationan
8、dlowinstability.The
