导读:本文包含了基于区域的影像检索论文开题报告文献综述及选题提纲参考文献，主要关键词:高分影像,遥感图像检索,贝叶斯网络,城市区域
基于区域的影像检索论文文献综述
胡玉玺[1]（2016）在《基于高分影像的城市区域检索技术研究》一文中研究指出随着遥感技术的快速发展,遥感影像的数量正在以惊人的速度急剧增长。然而,遥感的应用研究相对滞后,导致大量数据积压,有用信息无法及时、准确地提取出来,造成巨大的资源浪费。因此,如何从海量影像数据中高效、高精度地检索到感兴趣的目标是一个国际性难题,也成为遥感图像信息提取和共享的瓶颈。其中,基于内容的遥感图像检索方法是解决这一问题的核心所在,也是近年来海量遥感图像检索所面临的难点。自20世纪90年代起,国内外研究人员对基于内容的图像检索技术进行了大量的研究,取得了丰硕的成果,但是专门针对遥感图像检索的研究却不尽人意,无论是理论体系还是应用系统,都还不成熟。原因在于遥感图像数据量大、覆盖范围广、主题不明确、多时相和语义丰富等,故无法将针对自然图像和医学图像的研究成果直接应用于遥感图像内容检索中。针对一个完善的基于内容的遥感图像检索系统,其数据组织、存储与管理、特征描述及提取、相似性度量、相关反馈、网络服务模式、系统架构设计及实现等研究工作面临着许多困难与不足,由此,研究所涉及的各项关键技术势在必行。综上所述,本文在综合国内外大量的理论研究和开发的检索系统的而基础上,系统分析了图像检索中所涉及到的关键技术及研究现状,并在综合考虑了图像检索中存在的问题和用户需求的基础上,结合贝叶斯网络及机器学习的相关方法,提出了一套适用于遥感图像检索的检索方法并以“城市区域”这一语义作为重点研究对象,进行了深入的研究,提出了城市区域检索算法。并在综合考虑检索的准确率和时间效率的基础上,提出了一种将基于语义的图像检索技术和基于内容的图像检索技术相结合的分步式遥感图像检索算法。借助Matlab语言编写模型系统,进行实验。论文主要研究成果有:提出了基于共生区域的贝叶斯网络遥感图像检索算法,通过贝叶斯网络,建立了图像和语义之间对应关系,实现了基于语义的遥感图像检索;提出了一种适用于遥感图像城市区域的检索算法,将基于共生区域的贝叶斯网络遥感图像检索算法与平均高频信息强度相结合,有效的提高了“城市区域”这一语义的检索的查准率;提出了一种新的分步式遥感图像检索算法,显着的降低了图像检索所需用的时间,同时由于考虑了图像的语义信息,提高了图像检索的查准率。(本文来源于《兰州交通大学》期刊2016-06-17）
刘婷婷[2]（2009）在《基于区域的多分辨率遥感影像语义检索方法研究》一文中研究指出近年来,随着大量卫星的升空和传感器技术的迅猛发展,可获得的遥感影像呈指数级增加。虽然网络技术、数据库技术和软件技术的发展使得组织、管理和处理这些影像的能力得到了极大提高,但是面对海量的遥感影像,快速并有效地检索出感兴趣影像的能力十分不足。基于内容的影像检索(Content-based Image Retrieval; CBIR)技术正是在这种背景下应运而生的。目前,基于内容的影像检索方法存在的主要问题是：第一,底层的影像特征和高层的语义特征之间的差异使得检索精度下降。这种由用户视觉感知特殊性而产生的高层语义特征与底层影像特征的差异被称作为“语义鸿沟”。如何缩小语义鸿沟成为近年来影像检索领域的研究热点。第二,遥感影像不同于普通的图像,不同分辨率同一地区影像的光谱、纹理和形状等特征都存在着巨大的差异,这就使得对多种分辨率的遥感影像同时进行检索存在着困难。本文围绕如何缩小遥感影像的语义鸿沟和如何实现多分辨率遥感影像的检索展开研究,研究的主要内容如下：基于区域的影像检索是缩小语义鸿沟的方法之一,因此本文将首先完成对遥感影像的分割。遥感影像中地物复杂的光谱特征和纹理特征以及在影像拍摄过程中产生的一些随机因素都加大了影像分割的难度。本研究首次将JSEG算法(J-based Segmentation,基于J影像的分割算法)引入到多光谱的遥感影像分割中来,并对该方法进行了改进使之适用于多光谱遥感影像的分割,然后利用归一化差值植被指数(NDVI)、归一化建筑用地指数(NDBI)和纹理均值这叁个地面覆盖参数代替原始的影像光谱值进行分割。实验结果表明,不论对于具有复杂纹理特征的影像还是对于具有复杂光谱特征的影像,基于地面覆盖参数的JSEG算法都能够获得很好的区域分割结果,而且没有出现过分割的现象。语义特征的提取是缩小语义鸿沟的另一种方法。语义特征的提取通常是建立在语义层次模型的基础上完成的,最基本的叁层语义层次模型包括特征层、目标层和场景层,而在遥感影像特征的基础上完成影像中目标的提取是一个较难实现的问题。因此,本文首次提出并建立了一个基于遥感影像的叁层内容描述模型。在该模型的基础上,结合了区域分割和区域特征提取,利用期望最大方法对隐含的语义特征变量、影像和区域间的关系进行了估计并计算求解,从而得到了语义特征。语义特征提取实验表明语义特征不仅能够代替底层的影像特征而且能够很好地描述影像的内容并区分不同的区域。影像检索实验表明,基于语义的检索能够获得很好的检索精度。相关反馈技术也是缩小语义鸿沟的方法之一,然而检索结果的不断反馈在一定程度上增加了检索的复杂度。因此,在本研究中利用正例(Positive Example,感兴趣影像)和反例(Negative Example,非感兴趣影像)代替相关反馈过程进行检索,既降低了检索复杂度又提高了检索精度。在同一地区不同分辨率的遥感影像中,纹理特征和形状特征都存在着巨大的差异,并且遥感影像普遍存在同物异谱和同谱异物的现象,这些都使得对多种分辨率的遥感影像同时进行检索存在着巨大的困难。针对这一问题,首次提出将超分辨率重建的方法应用到影像检索技术中。将低分辨率影像超分辨率重建到高分辨率影像,再将重建的高分辨率影像结果与其它影像进行检索,在一定程度上解决了多分辨率影像检索难的问题。多分辨率影像检索实验表明,该方法能够获得更好的检索精度。(本文来源于《武汉大学》期刊2009-04-01）
张杰[3]（2005）在《基于区域的多源遥感影像数据库检索技术研究》一文中研究指出随着遥感影像数量的急剧增加,遥感图像检索系统逐渐成为了一个研究热点。本文针对当前基于内容或基于区域的图像检索技术的研究现状和存在的问题,对以下几个方面进行了研究: (1) 以基于特征的图像检索的关键技术的理论、方法为基础,研究了颜色、纹理特征的描述模型与表示方法。在此基础上对基于颜色、纹理的检索方法进行了实验并归纳了它们各自的特点。 (2) 对海量影像数据的处理技术进行了研究,提出了两套计算方案。通过实验验证了两种方案的可行性并进行了它们的性能比较,得出的结论是方案1适用于计算量较小的算法,而方案2有利于计算复杂度较高的运算。 (3) 研究了适用与海量影像的快速角点检测算法。提出了一种基于边缘的、受边长约束条件下的快速角点检测算法(SLC)。并通过实验分析比较了它与SUSAN角点检测算法之间的性能优劣,得出的结论是SLC算法对非同源同一区域的影像对,能提取出较多的同名特征点。 (4) 针对数据量庞大的遥感影像数据库的检索,本文提出了基于区域的方法,从海量影像上提取出具有丰富特征信息,相对于人的视觉感知有一定意义的区域,定义为ROI(Region of Interest),这些区域在影像内均匀的分布。在所得的ROI上提取颜色、纹理、形状等特征,形成特征向量,并记录到区域特征数据库。在检索时,只需对这些ROI进行匹配,匹配区域的数量定义为影像重迭度DOO(Degree of Overlapping)。根据DOO排序检索结果,将相似度最大的影像最为最终的结果,即包含待检索区域的影像。(本文来源于《中国人民解放军信息工程大学》期刊2005-04-01）
基于区域的影像检索论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,随着大量卫星的升空和传感器技术的迅猛发展,可获得的遥感影像呈指数级增加。虽然网络技术、数据库技术和软件技术的发展使得组织、管理和处理这些影像的能力得到了极大提高,但是面对海量的遥感影像,快速并有效地检索出感兴趣影像的能力十分不足。基于内容的影像检索(Content-based Image Retrieval; CBIR)技术正是在这种背景下应运而生的。目前,基于内容的影像检索方法存在的主要问题是：第一,底层的影像特征和高层的语义特征之间的差异使得检索精度下降。这种由用户视觉感知特殊性而产生的高层语义特征与底层影像特征的差异被称作为“语义鸿沟”。如何缩小语义鸿沟成为近年来影像检索领域的研究热点。第二,遥感影像不同于普通的图像,不同分辨率同一地区影像的光谱、纹理和形状等特征都存在着巨大的差异,这就使得对多种分辨率的遥感影像同时进行检索存在着困难。本文围绕如何缩小遥感影像的语义鸿沟和如何实现多分辨率遥感影像的检索展开研究,研究的主要内容如下：基于区域的影像检索是缩小语义鸿沟的方法之一,因此本文将首先完成对遥感影像的分割。遥感影像中地物复杂的光谱特征和纹理特征以及在影像拍摄过程中产生的一些随机因素都加大了影像分割的难度。本研究首次将JSEG算法(J-based Segmentation,基于J影像的分割算法)引入到多光谱的遥感影像分割中来,并对该方法进行了改进使之适用于多光谱遥感影像的分割,然后利用归一化差值植被指数(NDVI)、归一化建筑用地指数(NDBI)和纹理均值这叁个地面覆盖参数代替原始的影像光谱值进行分割。实验结果表明,不论对于具有复杂纹理特征的影像还是对于具有复杂光谱特征的影像,基于地面覆盖参数的JSEG算法都能够获得很好的区域分割结果,而且没有出现过分割的现象。语义特征的提取是缩小语义鸿沟的另一种方法。语义特征的提取通常是建立在语义层次模型的基础上完成的,最基本的叁层语义层次模型包括特征层、目标层和场景层,而在遥感影像特征的基础上完成影像中目标的提取是一个较难实现的问题。因此,本文首次提出并建立了一个基于遥感影像的叁层内容描述模型。在该模型的基础上,结合了区域分割和区域特征提取,利用期望最大方法对隐含的语义特征变量、影像和区域间的关系进行了估计并计算求解,从而得到了语义特征。语义特征提取实验表明语义特征不仅能够代替底层的影像特征而且能够很好地描述影像的内容并区分不同的区域。影像检索实验表明,基于语义的检索能够获得很好的检索精度。相关反馈技术也是缩小语义鸿沟的方法之一,然而检索结果的不断反馈在一定程度上增加了检索的复杂度。因此,在本研究中利用正例(Positive Example,感兴趣影像)和反例(Negative Example,非感兴趣影像)代替相关反馈过程进行检索,既降低了检索复杂度又提高了检索精度。在同一地区不同分辨率的遥感影像中,纹理特征和形状特征都存在着巨大的差异,并且遥感影像普遍存在同物异谱和同谱异物的现象,这些都使得对多种分辨率的遥感影像同时进行检索存在着巨大的困难。针对这一问题,首次提出将超分辨率重建的方法应用到影像检索技术中。将低分辨率影像超分辨率重建到高分辨率影像,再将重建的高分辨率影像结果与其它影像进行检索,在一定程度上解决了多分辨率影像检索难的问题。多分辨率影像检索实验表明,该方法能够获得更好的检索精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基于区域的影像检索论文参考文献
[1].胡玉玺.基于高分影像的城市区域检索技术研究[D].兰州交通大学.2016
[2].刘婷婷.基于区域的多分辨率遥感影像语义检索方法研究[D].武汉大学.2009
[3].张杰.基于区域的多源遥感影像数据库检索技术研究[D].中国人民解放军信息工程大学.2005