基于數(shù)學(xué)形態(tài)學(xué)及紋理特征的QuickBird影像道路分割技術(shù)研究.pdf

1、近年來，遙感技術(shù)得到迅速發(fā)展，衛(wèi)星遙感影像的分辨率顯著提高，其中QuickBird衛(wèi)星影像全色波段的分辨率高達(dá)0.61m，QuickBird衛(wèi)星與IKONOS衛(wèi)星、SPOT-5衛(wèi)星以及OrbView-3衛(wèi)星等構(gòu)成了高分辨率遙感衛(wèi)星的主體。高分辨率遙感的出現(xiàn)拓寬了遙感技術(shù)的應(yīng)用領(lǐng)域，實(shí)現(xiàn)了遙感技術(shù)從定性到定量、宏觀到微觀的重要轉(zhuǎn)折。高分辨率遙感影像提供了海量的數(shù)據(jù)和更豐富的地物信息，如何快速、自動識別和提取影像上的地物信息，從而使遙感技術(shù)

2、應(yīng)用的深度和精度得以提高面臨新的挑戰(zhàn)。影像分割是從影像處理到影像分析的關(guān)鍵步驟。作為遙感影像信息提取的技術(shù)前提，遙感影像分割技術(shù)研究正日益受到關(guān)注，對于推動高分辨率遙感技術(shù)應(yīng)用具有重要意義。 本文以提高高分辨率QuickBird遙感影像上道路信息的分割精度為研究目標(biāo)。在系統(tǒng)分析當(dāng)今影像分割技術(shù)的方法和理論研究現(xiàn)狀的基礎(chǔ)上，提出運(yùn)用改進(jìn)的數(shù)學(xué)形態(tài)學(xué)算法，結(jié)合QuickBird衛(wèi)星影像的紋理特征對影像進(jìn)行分割技術(shù)研究，實(shí)現(xiàn)了道路信息

3、的自動提取。典型實(shí)驗(yàn)區(qū)域分割的試驗(yàn)和精度評價表明，基于數(shù)學(xué)形態(tài)學(xué)算法提取的道路等線性目標(biāo)有很高的精確度，平均精度達(dá)到89.06％，而應(yīng)用影像的紋理特征進(jìn)行地物信息的分割后道路提取平均精度可達(dá)89.30％。與數(shù)學(xué)形態(tài)學(xué)算法結(jié)果相比，基于高分辨率遙感影像紋理特征的道路提取精度更高。 全文共分為五個部分。第一章主要闡述論文的選題依據(jù)和研究背景，分析了高分辨率遙感影像道路特征提取的國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢，評價了圖像分割方法的研究現(xiàn)狀，

4、最后介紹了論文的結(jié)構(gòu)和組織情況。第二章主要討論了基于數(shù)學(xué)形態(tài)學(xué)的QuickBird影像分割方法，首先闡述數(shù)學(xué)形態(tài)學(xué)的基本理論以及基本運(yùn)算，然后利用改進(jìn)的受控數(shù)學(xué)形態(tài)學(xué)算法對實(shí)驗(yàn)區(qū)遙感影像進(jìn)行道路分割提取試驗(yàn)，最后對結(jié)果進(jìn)行評價。第三章主要論述了基于紋理特征的QuickBird影像的道路分割技術(shù)，利用基于紋理特征的馬爾可夫隨機(jī)場模型進(jìn)行分析，實(shí)現(xiàn)道路的分割，并對分割結(jié)果進(jìn)行評價。第四章根據(jù)前兩章的分割結(jié)果進(jìn)行道路信息的自動提取，最終驗(yàn)證分