

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、隨著遙感技術的不斷發(fā)展以及衛(wèi)星空間分辨率的不斷提高,高分辨率遙感影像在各領域的應用已經變得越來越為廣泛。與此同時,利用衛(wèi)星圖像進行車輛目標識別與提取成為智能交通領域中交通信息采集的重要手段之一,基于衛(wèi)星影像的車輛提取以其潛在的應用前景成為當今國際上的前沿研究熱點。本文以基于衛(wèi)星影像的車輛提取中的尺度問題為側重點,通過對道路車輛衛(wèi)星影像的尺度轉換,尺度效應評價分析,利用最優(yōu)尺度選擇方法——鄰接均值差標準差比法確定最優(yōu)分割尺度,利用尺度與目
2、標對象提取的關聯性實現車輛的高精度提取。論文主要研究內容如下:
(1)面向對象影像分析技術及多尺度下的影像特征。首先論述面向對象影像分析技術發(fā)展趨勢及影像分割技術。在多尺度遙感影像分割技術中,主要闡述基于異質性最小原則的區(qū)域分割算法。分析不同尺度下衛(wèi)星影像中道路與車輛特征,其中包括道路與車輛的顏色、形態(tài)、位置等特征,對接下來的尺度轉換與尺度效應評價提供了理論依據。
(2)影像信息尺度轉換方法及尺度效應評價。分析了圖像
3、分析中尺度轉換的兩種方法——基于統(tǒng)計方法與基于機理方法的優(yōu)缺點。在面向對象的尺度轉換方法中,以影像對象的分形維數、緊湊度、面積、均值、標準差、異質性作為評價尺度轉換的指標。利用評價指標隨尺度變化而變化的曲線對尺度效應進行評價。
(3)最優(yōu)尺度選擇。根據圖像處理中的最優(yōu)尺度算法與尺度效應理論,分別采用面積比均值法和鄰接均值差標準差比法兩種方法來進行車輛目標提取的最優(yōu)分割尺度實驗,通過對分割效果的對比分析,選擇了鄰接均值差標準差比
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
- 衛(wèi)星圖像中車輛目標提取方法優(yōu)化與精度評價.pdf
- 衛(wèi)星圖像中運動車輛探測和速度提取研究.pdf
- 基于高分辨率衛(wèi)星圖像的電廠目標的識別.pdf
- 衛(wèi)星圖像機場目標識別技術.pdf
- 衛(wèi)星圖像目標檢測跟蹤研究與系統(tǒng)實現.pdf
- Landsat衛(wèi)星圖像云層去除算法研究.pdf
- 自然場景圖像中顯著目標的提取.pdf
- 基于偏微分方程的SAR衛(wèi)星圖像輪廓提取技術研究.pdf
- Landsat衛(wèi)星圖像云和陰影去除算法研究.pdf
- envi下環(huán)境小衛(wèi)星圖像處理
- envi下環(huán)境小衛(wèi)星圖像處理
- 視頻圖像序列中車輛目標的檢測與識別研究.pdf
- 圖像處理算法在衛(wèi)星圖像自動提取與劃定地籍特征上的應用.pdf
- 相對模糊連接度在衛(wèi)星圖像道路信息提取中的應用.pdf
- 衛(wèi)星圖像處理算法研究及其硬件實現.pdf
- 衛(wèi)星影像中城市道路區(qū)域車輛目標提取方法研究.pdf
- 視頻圖像中運動目標的前景提取及跟蹤.pdf
- 基于h.265的衛(wèi)星圖像壓縮算法研究
- 車輛目標提取算法研究.pdf
- 基于紅外圖像的鐵軌提取及運動目標的檢測.pdf
評論
0/150
提交評論