遥感影像检索技术的研究与实现 ——基于颜色和光谱特征的遥感影像检索

论文摘要

随着现代科技的发展,特别是获取地球遥感数据和网络技术的长足进步,经过几十年的积累,人们已经获得了海量的图像数据,然而,数据量增长的同时,从大量遥感影像中找出感兴趣的图像,成为了一项繁琐的工作。目前比较常用的图像查询方式,主要还是依赖于文字的检索,基于文字的检索方式虽然很成熟,但这种对图像加文字标签的做法已经不能满足人们的图像检索需要,急需出现一种新的检索方法。基于内容的图像检索是当前比较有活力的检索方式,该种检索方式已由最初的像素对像素的原始数据的检索,发展了到当前比较热门的基于特征的查询研究,而基于语义的最高层次的查询更是令人兴奋和期待。本文所涉及的检索是这种技术的中级层次,该层次的检索涉及到图像的底层特征,即一幅图像与其他图像之所以不同的原始属性或根本特征：如颜色直方图、亮度、形状因子、纹理和空间频谱图等,借助视觉信息从低层到高层进行处理、分析,完成图像的检索,基于内容的图像检索方法具有较好的检索效果,是未来图像检索的发展方向。作为图像数据的一种,遥感影像有着和普通图像相同的性质,遥感影像的检索也可以借鉴面向内容的图像检索方式,以提高遥感影像的检索效率；同时遥感影像具备普通图像所没有的特征,如空间信息和光谱信息等,把这些信息作为图像检索过程中的参数参与特征匹配,对于图像的准确查找,相信可以起到促进作用。此外,基于内容的遥感影像检索技术融合了遥感影像处理、影像数据库技术、计算机视觉等多种技术,有利于促进遥感影像数据的充分利用,因此该技术的研究有着特别重要的现实意义。本文旨在对基于内容的遥感影像检索关键技术进行研究,提出了一种利用颜色特征与光谱特征相结合的图像检索方法。检索的关键在于特征的提取和相似度的计算。颜色特征的计算采用的是HSV颜色模型,光谱特征采用的是归一化植被指数(NDVI)、归一化建筑物指数(NDBI)和归一化水文指数(NDWI),相似度的计算采用的是欧氏距离。文中利用Matlab、ENVI4.7和ERDAS IMAGINE等软件提取的颜色特征和光谱特征,以ESRI的Geodatabase数据库模型为基础,构建了遥感影像数据库。最后在Visual Studio 2005环境下,采用C#和ArcGIS Engine 9.2组件技术对检索功能进行了实现,通过实验测试,这种方法是有效的。

论文目录

• 摘要
• ABSTRACT
• 第一章 综述
• 1.1 论文的背景和研究意义
• 1.1.1 论文的研究背景
• 1.1.2 研究遥感影像检索的意义
• 1.2 国内外研究动态
• 1.2.1 国外基于内容的遥感影像研究情况
• 1.2.2 针对遥感影像方面的研究
• 1.2.3 国内的相关研究
• 1.3 论文的研究内容
• 1.4 论文结构安排
• 第二章 遥感影像数据处理
• 2.1 遥感影像数据
• 2.1.1 遥感影像数据的特征
• 2.1.2 Landsat TM数据介绍
• 2.1.3 遥感影像的检索特征
• 2.2 基于内容的图像检索的关键理论和技术
• 2.2.1 颜色特征描述
• 2.2.2 纹理特征概述
• 2.2.3 形状特征描述
• 2.2.4 空间数据结构特征
• 2.2.5 光谱特征
• 2.2.6 其他方面的索引技术
• 2.2.7 相似性的度量
• 2.3 遥感影像处理
• 2.3.1 影像分块
• 2.3.2 颜色特征的选择与提取
• 2.3.3 光谱特征的选择与提取
• 第三章 空间数据库的设计与实现
• 3.1 空间数据库概述
• 3.1.1 空间数据库的概念
• 3.1.2 空间数据库管理系统
• 3.2 影像数据库设计
• 3.2.1 影像库的设计
• 3.2.2 特征库的设计
• 3.3 遥感影像数据库的实现步骤
• 3.3.1 地理数据库中影像数据的存储
• 3.3.2 影像数据库具体实现步骤
• 第四章 检索软件的设计与实现
• 4.1 基于内容的图像检索软件设计
• 4.1.1 图像检索模块划分
• 4.1.2 软件检索流程
• 4.2 检索功能实验环境
• 4.2.1 实验的软硬件环境
• 4.2.2 ArcGIS Engine技术
• 4.3 检索功能实现
• 4.3.1 颜色特征提取
• 4.3.2 光谱特征提取
• 4.3.3 相似性计算
• 4.3.4 软件检索功能实现
• 4.4 结果分析及评价
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 硕士期间参加的科研项目和发表论文