基于优化均值漂移算法的居民地及面状地物边线提取方法

摘要

随着对地观测技术的快速发展，无人机航拍和卫星对地观测为我们带来了海量的遥感数据和信息。如何从这些遥感影像中，提取出我们感兴趣的地物目标，一直是学者们研究的重点。在各类地物中，居民地因其重要性和多变性，成为了目标提取的热点。实现这一信息的准确提取，对于城市建设规划、土地利用调查、灾害评估和国防军事等领域具有重要意义。现有的居民地提取方法主要有四种：基于决策树模型的方法、基于知识发现模型的方法、基于统计模型的方法和面向对象的方法。这些方法使用起来都有其局限性：基于决策树模型的方法多依靠各波段亮度值对地物类型进行区分，遇到复杂地貌便会出现“错分”、“漏分”的现象；基于知识发现模型的方法对测绘人员先验知识要求较高，且研究范围多为特定区域，因此不具有通用性；基于统计模型的方法在处理影像中“同物异谱”或“异物同谱”现象时，无法准确进行区分；面向对象的方法对于高分辨率遥感影像中的居民地，因其差异较大且结构复杂，处理效果并不理想。
　　均值漂移算法，是一种基于核密度梯度而非参数密度函数进行估计的算法，具有原理简单、运行效率高、抗噪性强等特点，目前主要用于图像分割。本文尝试将其引入遥感影像目标提取，采用“先分割、后分类、再提取”的方法实现了对特定信息（居民地和面状地物边线）的提取，主要研究内容和成果总结如下：
　　（1）引入纹理参数优化了均值漂移算法，并对算法中涉及到的三个参数（空间带宽参数hs、色度带宽参数hr和纹理带宽参数ht）取不同值进行实验，对比分析实验结果发现，参数的取值给影像分割带来直接影响，对居民地提取具有重要意义。
　　（2）提出了一种基于优化均值漂移算法提取遥感影像中居民地的方法，将其分别与统计分类模型中的马氏距离、最大似然估计和神经网络相结合，分别采用航空影像和卫星影像进行实验研究，再将实验结果与现有方法所得结果进行对比分析，发现新方法具有精度更高、速度更快、适用性更强的优点。
　　（3）提出了基于优化均值漂移算法提取面状地物边线的方法，并对直接提取法做了两方面改进：与制图综合原理相结合，使其针对性更强；与地物影像特征中的形状特征和上下文特征相结合，使其准确度更高。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 选题依据及意义

1.2 国内外研究现状

1.3 论文的主要工作

1.4 论文的结构安排

第二章 均值漂移算法原理及分析

2.1 算法原理解析

2.2 算法优化研究

2.3 算法应用效果

2.4 本章小结

第三章 基于优化均值漂移算法的居民地提取方法

3.1 常用的居民地提取方法

3.2 基于优化均值漂移算法的居民地提取方法

3.3 实验结果比较分析

3.4 方法可行性评估

3.5 本章小结

第四章 基于优化均值漂移算法的面状地物边线提取方法

4.1 直接提取面状地物边线法

4.2 优化均值漂移算法结合制图综合的改进方法

4.3 优化均值漂移算法结合影像特征的改进方法

4.4 本章小结

第五章 全文总结与展望

5.1 全文总结

5.2 后续工作展望

致谢

参考文献