城市CCD图像关键目标区域提取相关技术研究

摘要

作为数字城市三维重建的重要信息来源，CCD图像中的关键目标区域提取是一个十分重要的课题。本文把建筑物和道路作为城市CCD图像中的两个关键目标区域，设计并实现了提取这两类目标区域的算法，并针对不同蟊的，分别给出了算法的评价标准。 数字城市中的目标区域提取，要求快速、准确，本文的两个核心算法基本符合此要求。提取建筑物区域主要是为了缩小建筑物特征点的提取、匹配的搜索范围，提高三维重建的效率，其次是为了建立建筑物纹理库及实现建筑物纹理的自动贴图功能；所以，本文设计的建筑物自动提取算法在满足速度要求的同时，尽可能精确的提取出建筑物轮廓，允许提取的范围略大于建筑物自身的范围；提取道路区域主要是为了建立道路纹理库、并实现纹理的自动贴图，因此，提取的道路区域中要尽可能少的含有树木、草地等冗余信息。 本文的两个核心算法都是基于直线特征的。在分析了两类提取直线特征的算法后，本文采用了基于Hough变换的直线特征提取，并针对经典Hough变换中存在的过渡累积导致的伪直线过多的缺点，提出了基于点密度的Hough变换，将图像空间和Hough空间有机的统一起来。 在设计区域提取算法时，均提出了假设模型。提取建筑物区域时，利用假设模型中边界的位置信息和相互之间的几何约束关系，通过分析提取的线段集合，确定出建筑物的轮廓区域；提取道路区域则是利用了模型假设中两条道路边界及中间黄色标志线三者间的几何关系。这两个算法均是通过点密度和Hough空间中计数器的阈值去除干扰线段，所不同的是，建筑物提取算法中的阈值是自适应获得的。此外，在道路提取算法中，还利用了彩色道路图像中的RGB值的均值和方差，来划分道路区域、非道路区域等，最终只保留含有道路边缘的区域，压缩了Hough映射的图像空间。 全文共分六章。前两章分别是绪论部分和图像增强、边缘提取的基础理论介绍及实验验证部分；第三章系统介绍了直线特征提取技术，提出了基于点密度的Hough变换；第四章和第五章是本文的核心部分，系统讲述了建筑物提取和道路提取的模型假设、算法原理和设计；最后总结了全文的工作，并展望了下一步的研究方向。

目录

文摘

英文文摘

声明

1绪论

1.1研究背景和意义

1.1.1研究背景

1.1.2研究意义

1.2研究现状

1.2.1建筑物提取的研究现状

1.2.2道路提取的研究现状

1.3本文的主要内容

2图像增强与边缘提取

2.1图像增强

2.1.1空域增强法

2.1.2频域增强

2.1.3图像增强小结

2.2边缘提取

2.2.1边缘提取的基本算子

2.2.2边缘提取算子对比实验

2.2.3边缘提取小结

2.3本章小结

3直线特征检测技术

3.1基于连接的直线特征检测算法

3.1.1启发式连接算法

3.1.2层次记号编组法

3.1.3相位编组法

3.2基于Hough变换的直线特征检测算法

3.2.1经典Hough变换

3.2.2已有Hough变换的一些改进算法

3.2.3基于点密度的Hough变换直线检测

3.3本章小结

4基于CCD图像的建筑物区域提取

4.1建筑物模型假设

4.2建筑物区域自动提取算法

4.2.1图像的预处理算法

4.2.2建筑物直线特征提取及分析

4.2.3建筑物轮廓范围自动提取算法步骤

4.2.4Hough空间计数阈值及点密度阈值自适应算法

4.3实验结果分析

4.4本章小结

5基于CCD图像的道路区域提取

5.1道路模型假设

5.2道路区域半自动提取算法

5.2.1道路图像的预处理算法

5.2.2道路图像中直线特征检测

5.2.3提取道路边界算法

5.2.4获得道路区域算法的步骤

5.3实验结果分析

5.4本章小结

6全文总结与展望

6.1总结

6.2今后的研究方向

参考文献

致谢

个人简历、在学期间发表的学术论文