基于形态学的卫星遥感车辆模式识别方法研究

论文摘要

QUICKBIRD卫星是美国Digital Globe公司所拥有的商用高分辨率光学卫星,其影像分辨率高达61厘米。这种高分辨率卫星能够全天时工作,具有较高的空间分辨率,是一种跨时间,跨空间的实时操作系统。高分辨率卫星已经广泛用于军事、遥感、海洋、地物、水文、生态、通信、规划、测绘等领域。它已经成为人们日常生产生活不可缺少的工具,同时,在交通领域的应用也越来越深入。由于在QUICKBIRD卫星影像上能较清楚地观测到车辆,因此利用它来辅助交通监控越来越得到人们的关注。本文中采用QUICKBIRD卫星图像作为研究对象进行研究。本文所要研究的主要内容是对高分辨率卫星拍摄的地面道路交通图像的处理与识别,提取含有车辆特征的像素集合,其中包含了车辆像素集合和疑似车辆像素集合。然后,通过构建相适应的人工神经网络来对这些像素集进行筛选,确定,分类,最终达到对一幅高分辨率卫星的地面道路交通图像中的车辆达到识别和分类。形态学的应用是本文的主要的技术特点,通过形态学的图像调整与处理,使得车辆的像素矩阵更加直观化和规范化,更加便于下一步模式识别的处理。通过构建适当的神经网络系统对规范化后的道路车辆图像的纹理特征进行计算,最终达到较好的识别效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的引出
• 1.2 国内外道路车辆识别的方法
• 1.3 本文研究的构思与方法
• 1.3.1 卫星图片介绍
• 1.3.2 研究构思
• 1.3.3 研究方法
• 第2章 图像增强基本理论
• 2.1 图像增强概述
• 2.2 灰度变换增强
• 2.2.1 直接灰度变换
• 2.2.2 直方图灰度变换
• 2.2.3 直方图均衡化与自适应直方图均衡化
• 第3章 形态学的基本理论
• 3.1 形态学概述
• 3.2 膨胀与腐蚀
• 3.2.1 膨胀
• 3.2.2 腐蚀
• 3.3.3 结构元素分析
• 3.3 开操作与闭操作
• 3.4 形态学全部操作及其性质的总结
• 第4章 卫星图像的模式识别技术
• 4.1 模式识别
• 4.1.1 模式识别的概述
• 4.1.2 模式识别的研究方法
• 4.1.3 模式识别的发展与应用
• 4.2 纹理分析方法
• 4.2.1 纹理
• 4.2.2 纹理特征的计算
• 4.2.3 纹理特征的选择与提取
• 4.3 人工神经网络识别技术
• 4.3.1 人工神经网络概述
• 4.3.2 人工神经网络模型及互联模式
• 4.3.3 BP神经网络
• 4.3.4 RBF神经网络与概率神经网络
• 4.3.5 LVQ神经网络
• 第5章 基于形态学的卫星图片中的车辆模式识别的实现
• 5.1 图像分类识别系统结构模型
• 5.2 图像的预处理
• 5.3 特征值图像的计算
• 5.4 LVQ神经网络识别
• 第6章 研究效果检验
• 6.1 卫星图像的选择
• 6.2 车辆识别过程
• 6.3 神经网络分类识别精度计算
• 第7章 结论和进一步研究
• 参考文献
• 致谢
• 研究生履历