衛(wèi)星圖像中車輛目標(biāo)提取方法優(yōu)化與精度評價(jià).pdf

1、利用衛(wèi)星圖像進(jìn)行車輛目標(biāo)識別與提取是智能交通領(lǐng)域重要的交通信息采集技術(shù)之一，隨著商業(yè)化應(yīng)用衛(wèi)星影像分辨率的不斷提高，基于衛(wèi)星影像的交通流參數(shù)提取有著巨大的應(yīng)用前景，已成為國際上的一個(gè)研究熱點(diǎn)。本文旨在對現(xiàn)有的車輛目標(biāo)提取方法進(jìn)行優(yōu)化，并以優(yōu)化方法為指導(dǎo)，通過實(shí)例驗(yàn)證對提取結(jié)果進(jìn)行精度評價(jià)。論文主要研究內(nèi)容如下：
　　(1)車輛目標(biāo)提取流程優(yōu)化。對現(xiàn)有的車輛目標(biāo)提取技術(shù)流程及關(guān)鍵環(huán)節(jié)進(jìn)行總結(jié)和分析，提出了面向?qū)ο蟮能囕v目標(biāo)提取優(yōu)化流

2、程，包括面向分割的圖像增強(qiáng)、面向分類的圖像分割和面向?qū)ο蟮膱D像分類三大步驟，從總體上對衛(wèi)星圖像中車輛目標(biāo)的提取研究進(jìn)行優(yōu)化。
　　(2)車輛目標(biāo)提取分割尺度的優(yōu)化。根據(jù)圖像處理中的最優(yōu)尺度與尺度效應(yīng)理論，分別采用面積比均值法和與鄰域的絕對均值差分方差比(RMAS)方法來進(jìn)行車輛目標(biāo)提取的最優(yōu)分割尺度試驗(yàn)，通過對分割效果的對比分析，選擇了RMAS方法作為車輛目標(biāo)最優(yōu)分割尺度的確定算法。
　　(3)車輛目標(biāo)提取分類方法的優(yōu)化。針

3、對小尺度分割下目標(biāo)影像對象的特點(diǎn)分析了最鄰近分類和隸屬度函數(shù)分類在車輛目標(biāo)提取應(yīng)用中的不足，結(jié)合車輛專業(yè)知識以及面向?qū)ο蟮哪：诸惖膬?yōu)點(diǎn)，提出了基于知識的模糊規(guī)則分類方法，有助于提高車輛目標(biāo)分類的速度和精度。
　　(4)以優(yōu)化后的車輛目標(biāo)提取流程和關(guān)鍵環(huán)節(jié)的處理方法為指導(dǎo)，采用三種不同的高分辨率衛(wèi)星影像數(shù)據(jù)進(jìn)行車輛目標(biāo)的提取實(shí)驗(yàn)，通過誤差矩陣分析和Kappa系數(shù)計(jì)算對提取結(jié)果進(jìn)行精度評價(jià)，并分析其結(jié)果的主要影響因素。
　　本