基于“高分”影像的道路養(yǎng)護故障檢測系統(tǒng)實現(xiàn).pdf

1、隨著“高分”影像的發(fā)展，“高分”影像的應用走向區(qū)域化和全球化，同時已經(jīng)滲透到了各個行業(yè)，成為人們生產(chǎn)、生活中十分重要的一部分。道路故障的及時發(fā)現(xiàn)對人們?nèi)粘＝煌?、道路養(yǎng)護部門以及出行導航都有十分重要的意義。而現(xiàn)在，對于農(nóng)村偏遠地區(qū)道路安全信息提取完全依靠人工，隨著“高分”遙感影像的發(fā)展，可以將“高分”遙感影像應用于道路故障檢測以提高效率。
　　本論文主要介紹基于“高分”遙感影像的道路故障檢測系統(tǒng)實現(xiàn)過程。對于研究區(qū)域衛(wèi)星遙感影像，通

2、過不同地物反射的電磁波在影像上呈現(xiàn)的光譜和紋理特征不同以實現(xiàn)道路提取和道路故障的識別與發(fā)現(xiàn)。本文主要完成以下工作并得出相應的結論:首先，對所研究的遙感影像進行校正、配準以及融合等預處理操作以提高后續(xù)研究的精度和整體性能，對預處理各個環(huán)節(jié)的原理及操作方法做了詳細的介紹;其次對所研究的遙感影像進行道路提取。選取道路樣本集，統(tǒng)計道路樣本集的光譜特征和紋理特征，基于馬氏距離描述被測像素與道路樣本集的相似性，基于Dempster-Shafer證據(jù)

3、理論融合光譜特征和紋理特征進行道路提取，提取后的道路運用方向濾波、數(shù)學形態(tài)學進行道路提取優(yōu)化處理;然后進行道路故障識別與發(fā)現(xiàn)。得到道路提取結果之后，對道路進行實時監(jiān)測，運用BP神經(jīng)網(wǎng)絡對遙感影像中的道路分類以實現(xiàn)道路故障的識別與發(fā)現(xiàn);最后使用Visual Studio2010利用面向?qū)ο蟮腃＃語言實現(xiàn)基于Dempster-Shafer證據(jù)理論融合光譜特征和紋理特征的道路提取、基于BP神經(jīng)網(wǎng)絡的道路故障識別與發(fā)現(xiàn)，并利用Visual St