基于概率模型的高分辨率衛(wèi)星圖像建筑物識(shí)別及變化檢測(cè).pdf

1、最近幾年，越來越多的商業(yè)高分辨率光學(xué)衛(wèi)星圖像的出現(xiàn)，給人們帶來了新的機(jī)遇與挑戰(zhàn)。一方面，這些數(shù)據(jù)能夠極大的擴(kuò)展已有技術(shù)的應(yīng)用范圍——比如制圖學(xué)、城市發(fā)展規(guī)劃與監(jiān)測(cè)；另一方面，人們需要尋找更有效的自動(dòng)處理方法來提取這些數(shù)據(jù)中的有用信息。 中分辨率圖像的處理主要關(guān)注于圖像的分類問題，而高分辨率圖像的處理則轉(zhuǎn)變?yōu)橐晕矬w識(shí)別為主要任務(wù)。對(duì)于城市區(qū)域的高分辨率衛(wèi)星圖像來說，考慮到分辨率和識(shí)別度等因素，道路和建筑物無疑是最重要的人造物體。

2、 目前我們的研究工作是在863項(xiàng)目背景下展開的，這個(gè)項(xiàng)目的主要目的為快速數(shù)字地圖自動(dòng)更新研究開發(fā)更有效的技術(shù)與方法。本碩士論文主要關(guān)注于如下兩個(gè)問題：單幅高分辨率衛(wèi)星圖像的建筑物識(shí)別和兩幅高分辨率衛(wèi)星圖像間的建筑物變化檢測(cè)。本文在對(duì)以前遙感圖像中物體提取與變化檢測(cè)技術(shù)的分析和總結(jié)的基礎(chǔ)上，結(jié)合項(xiàng)目的應(yīng)用背景，以北京地區(qū)Quickbird高分辨率衛(wèi)星圖像為實(shí)驗(yàn)數(shù)據(jù)，圍繞建筑物識(shí)別與建筑物變化檢測(cè)進(jìn)行了研究。本文主要工作及貢獻(xiàn)總結(jié)如下

3、： 1.提出了基于概率模型的建筑物輪廓識(shí)別算法(第三章) 我們通過定義一個(gè)概率密度函數(shù)并結(jié)合相應(yīng)的特征來表示建筑物，在執(zhí)行建筑物識(shí)別算法的過程中使用了我們提出的剪切-融合算法。通過不斷檢測(cè)建筑物候選輪廓，衡量它們的概率值，并使用融合算法對(duì)某些沖突的輪廓進(jìn)行合并，以最大化候選輪廓的概率值，從而得到最終的建筑物輪廓。這種算法的優(yōu)點(diǎn)是能夠通過概率模型把建筑物的各個(gè)特征進(jìn)行結(jié)合；同時(shí)這種算法不僅可以應(yīng)用于建筑物，也可以應(yīng)用于其它

4、物體的識(shí)別。通過在大數(shù)據(jù)集上的實(shí)驗(yàn)，我們展示了算法的性能及其魯棒性。 2.提出了基于輪廓提取的建筑物變化檢測(cè)算法(第四章) 基于前一章的建筑物輪廓識(shí)別算法，我們提出了新的建筑物變化檢測(cè)算法。這種算法的主要思想是把兩幅圖像中物體被檢測(cè)到的概率和沒有被檢測(cè)到的概率的乘積，作為物體的變化概率。這種算法不需要圖像的精確配準(zhǔn)。我們?cè)诤铣蓤D像和真實(shí)圖像上進(jìn)行實(shí)驗(yàn)，展示了算法的效力。 3.基于DRF模型的結(jié)構(gòu)物體變化檢測(cè)算法(