基于纹理特征的遥感图像检索方法研究

论文摘要

随着航空航天技术、传感器技术、网络技术、数据库技术的飞速发展,可获取的遥感图像数据正在以惊人的速度成指数级急剧增长。如何从众多的大型遥感图像数据库中,快速浏览和高效检索感兴趣区域目标已经成为遥感图像信息提取和共享的瓶颈。基于内容的图像检索技术为自动提取遥感图像感兴趣目标区域提供了有力的工具,成为当前国内外研究的热点。纹理特征作为基本的视觉特征,在基于内容的遥感图像检索中得到了广泛的应用。本文的主要内容包括:1.系统地阐述和总结了基于内容的图像检索涉及的各项关键技术,包括基于内容的图像特征描述和提取、特征相似度计算以及基于内容的图像检索性能评价等。2.分析和研究了基于共生矩阵的纹理检索技术,针对传统共生矩阵的不足,将改进的共生矩阵法用于遥感图像的纹理分析中,实验证明新方法对尺度和旋转不变具有鲁棒性。3.针对小波算法采用一种新的纹理特征描述方法,该方法对传统小波变换的方向信息进行了更加全面的描述,通过实验证明了该算法的可行性和有效性。本文在结论部分指出需要进一步研究的问题。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 研究背景
• 1.2.1 传统的图像检索技术
• 1.2.2 基于内容的图像检索技术
• 1.2.3 基于内容的遥感图像检索技术
• 1.3 基于纹理特征的图像检索国内外研究现状
• 1.3.1 纹理分析综述
• 1.3.2 纹理分析研究现状
• 1.4 基于内容的图像检索典型系统
• 1.4.1 QBIC
• 1.4.2 Virage
• 1.4.3 RetrievalWare
• 1.4.4 Photobook
• 1.4.5 Visua1SEEK
• 1.5 本文研究内容及论文结构
• 1.5.1 本文主要研究内容
• 1.5.2 论文的内容组织
• 第二章 基于纹理特征检索的关键技术
• 2.1 纹理特征提取分类
• 2.1.1 基于统计特性的纹理特征提取
• 2.1.2 基于频谱特性的纹理特征提取
• 2.1.3 基于结构特性的纹理特征提取
• 2.2 图像检索中的相似性度量
• 2.3 检索算法的评价准则
• 2.4 本章小结
• 第三章 基于共生矩阵的纹理图像检索
• 3.1 灰度共生矩阵
• 3.1.1 灰度共生矩阵的定义
• 3.1.2 基于灰度共生矩阵的纹理特征描述
• 3.1.3 旋转不变的特征提取
• 3.2 灰度-平滑共生矩阵
• 3.2.1 传统灰度共生矩阵存在的问题
• 3.2.2 灰度-平滑共生矩阵的定义
• 3.2.3 基于灰度-平滑共生矩阵的纹理特征描述
• 3.3 灰度-梯度共生矩阵
• 3.3.1 灰度-梯度共生矩阵的定义
• 3.3.2 基于灰度-梯度共生矩阵的纹理特征描述
• 3.4 实验步骤
• 3.5 实验结果
• 3.6 本章小结
• 第四章 基于二元树复小波变换的遥感图像检索
• 4.1 小波变换基本理论
• 4.1.1 小波函数定义
• 4.1.2 小波函数的特性分析
• 4.1.3 离散小波变换（DWT）的缺陷
• 4.2 基于金字塔结构的小波变换
• 4.3 二元树复小波变换
• 4.3.1 复小波函数
• 4.3.2 二元树复小波变换
• 4.4 基于能量统计特征的特征提取
• 4.5 实验结果
• 4.6 本章小结
• 第五章 系统设计及实验结果分析
• 5.1 系统设计原则
• 5.2 基于内容的遥感图像检索的系统结构
• 5.3 检索流程
• 5.4 特征向量归一化和相似性度量
• 5.5 实验结果及分析
• 第六章 总结及展望
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢