衛(wèi)星圖像中提取車輛目標的尺度問題研究.pdf

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