论文部分内容阅读
近年来,不断发展的遥感技术使遥感数据呈现出高空间分辨率、高光谱分辨率和高采集频率的特点。不断发展的高分辨率遥感数据使提高信息提取和监测精度成为可能,随之遥感数据的应用范围可望得到进一步拓展。但遥感数据的高分辨率、高光谱和多时相发展趋势,使得遥感图像的数据量越来越大,面对如此浩瀚的数据,有两个问题值得考虑,一是如何获取有价值的遥感数据,二是如何有效的处理遥感数据。本文针对可见光遥感图像的特点和上面的两个问题,提出了基于显著性的遥感图像获取与分析框架,在此框架下,对人工建筑区域进行了提取,对人工建筑区域中的高层建筑物进行了定位并对其轮廓进行了分析,结果表明了该框架的有效性,这些分析有助于遥感图像的目标识别,为今后创建遥感影像特征库奠定了基础。本文做了以下主要工作:1.提出了基于显著性的遥感图像获取与分析框架,这个框架是知识制导的遥感图像分析框架,其中借鉴了人类视觉注意的特点,将遥感图像分析过程分为自底向上和自顶向下两部分,自底向上考虑对遥感图像提取什么样的特征,自顶向下考虑遥感图像解译所需知识的获取和知识如何制导解译。文中给出了该框架的一个应用实例。2.对人工建筑区域进行了提取。遥感图像中的不同地貌具有不同的频谱特性,人工建筑区相对其他区域具有较高的频率,本文先对遥感图像进行小波变换,选取的特征是小波变换后的高频信息,然后对高频信息进行融合,并将融合后的高频信息中幅度变化剧烈的区域看作“山峰”,变化平稳的区域看作“盆地”,最后采用形态学重建的方法较准确快速地提取了人工建筑区域。3.对人工建筑区域中的建筑物进行了定位。遥感图像中的阴影信息是非常有用的,本文利用阴影信息来对建筑物进行定位,先统计得到阴影区域的分割阈值,然后采用SUSAN边缘检测算子来检测阴影区域的边缘,利用阴影区域的竖直边缘来对建筑物进行定位。4.对怎样获取检测到的建筑物的形状进行了探讨。先对建筑物图像进行了多尺度边缘检测,选取“种子点”,计算种子点处的边缘方向,然后对种子点根据方向和距离进行聚类,构建类的代表线段,根据先验知识对线段方向进行校正,最终构建出建筑物的大概轮廓。论文最后介绍了我们实现的系统并对今后的研究工作进行了展望。