导读:本文包含了桥梁识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,桥梁,目标,特征,区域,复杂度,线段。
桥梁识别论文文献综述
孙震[1]（2017）在《复杂场景下的水上桥梁识别技术研究》一文中研究指出伴随着计算机视觉技术的发展,遥感图像中的目标自动识别已经成为研究的热点和重点。桥梁作为典型且重要的人工建筑,是交通运输线路的咽喉。对采集图像中的桥梁进行有效识别,在民用及军事上都有着广泛需求。本文以复杂场景下的可见光遥感图像中桥梁目标的自动识别作为研究背景,针对河流的自动提取和河流上桥梁的定位等问题进行了研究。根据复杂场景下水上桥梁图像的特点:不同图像中河流差异较大,水面可能平静,分布均匀,也可能由于波浪和水体浑浊造成河流纹理丰富,分布不均匀。复杂场景下图像的背景区域也多样性,可能包含多种自然景物、农作物或人工建筑,如林地、耕地和居民地等,使得背景中包含多种形式的纹理。在此基础上本文建构了一套完整的水上桥梁自动识别系统。主要研究内容如下:(1)复杂场景下的桥梁图像,河流虽然呈现出不同的形式,其灰度值或高或低,分布或均匀或杂乱。但河流区域之间的颜色相似度较高,河流区域的颜色相比背景区域的颜色差异较大。根据颜色特征相似度,本文提出了K均值聚类与Harris角点相结合的无监督分割法实现河流的自动提取。(2)针对更复杂的桥梁图像,即河流区域内,部分颜色差异较大,河流颜色无明显规律的情况,K均值聚类与Harris角点相结合的方法不能提取出较为完整的河流,但可以提取出河流区域中的部分样本。利用这部分样本提取出能代表本张图像中的河流区域的颜色和纹理特征,进行学习,采用自监督分割方法,对图像中的所有像素点分类,分割出完整的河流区域。(3)对分割出的河流进行形态学操作和干扰区域的剔除,得到较为完整的河流轮廓。对河流二值图像膨胀腐蚀,填补截断位置得到连通的河流二值图,与原来的河流二值图像作差,提取出疑似桥梁的截断区域。利用河流骨架与桥梁相交的特征剔除部分虚假桥梁,再根据桥梁拐点的特征,验证真实桥梁的存在性,完成真实桥梁的获取,将验证后的桥梁对应在原图像的位置进行标记,从而实现桥梁定位。(4)本文提出的桥梁自动识别方法以Visual Studio 2010为开发平台,并结合OpenCV开源视觉库实现了该系统的开发。实验表明,该系统能够自动识别出高空水上桥梁图像中的桥梁目标,并具有一定的适用性。(本文来源于《南京航空航天大学》期刊2017-03-01）
俞海波[2]（2015）在《航拍图像中水上桥梁识别技术》一文中研究指出目标自动识别技术在军事上和民事上的应用价值都很高。桥梁作为目标识别的典型代表,已经成为人们研究的热点。本文针对航拍图像,提出了一种基于知识的桥梁目标识别方法,即利用桥梁的先验知识,来指导桥梁识别每一步处理。由于航拍高度的不同,导致桥梁在图像中的结构特征也不相同,故将桥梁识别技术分为高空航拍图像的桥梁识别与低空航拍图像的桥梁识别两个研究重点。高空航拍图像的桥梁识别中,桥梁在图像中占有的比例非常小,在高空航拍图像中表现为一长矩形。利用河流区域来辅助识别桥梁,首先,结合河流梯度均匀的特征,采用图像梯度与阈值相结合的方法对航拍图像进行粗略分割。通过面积法与灰度特征相结合的方法来剔除分割图像中存在的干扰区域。然后通过区域生长算法,实现分割后残缺河流区域的修补。最后,根据河流区域的截断位置来确定桥梁区域。低空航拍图像的桥梁识别中,桥梁在图像中占有的比例相对于高空航拍图像较大。采用河流与桥梁结构相结合的特征来对桥梁进行识别。通过改进的Otsu分割算法,对低空航拍图像进行分割,去除一些干扰区域。采用Hough变换与弗里曼链码法相结合的直线检测方法,来检测桥梁轮廓直线。最后通过桥梁与河流的纹理知识,采用纹理特征与几何特征匹配相结合方法,对桥梁进行识别。结合以上桥梁识别算法,开发了航拍图像桥梁识别系,实现了航拍图像数据的录入、航拍图像中的桥梁识别以及桥梁识别结果的存储等功能。设计了高空与低空航拍数据,分别进行高空航拍桥梁识别与低空航拍桥梁识别的实验。(本文来源于《南京航空航天大学》期刊2015-02-01）
陈爱军[3]（2014）在《大幅面卫星遥感图像中桥梁识别算法》一文中研究指出在桥梁图像识别问题的研究中,为提高识别精度,提出了一种从大幅面高分辨率卫星遥感图像中识别桥梁的算法。首先将整幅图像划分成互不重迭的子图像,根据水域和陆地的灰度特征采用模糊分类的方法对子图像分类,将原图像分割成河流区和非河流区的二值图像,然后对分割得到的河流区进行聚类分析,利用河流呈现长条状的几何特征实现河流的粗分割,之后确定可能存在桥梁的感兴趣区域,在感兴趣区域中采用双峰法进行水陆分割、提取潜在桥梁边缘点并进行拟合获得候选桥梁边缘线,利用先验知识对获取的桥梁边缘线进行验证,最终给出桥梁的识别参数。对多幅大幅面高分辨率卫星遥感图像进行测试实验,结果表明,改进方法能有效的识别出复杂背景中的桥梁目标。(本文来源于《计算机仿真》期刊2014年06期）
张宁宁[4]（2014）在《基于图像分割的水上桥梁识别方法研究》一文中研究指出目标识别是计算机视觉领域的一部分,近年来,目标识别技术越来越成为研究的热点,尤其是人造目标,更加引起了学者们的关注。目标自动识别技术在军事和民事上的应用价值都很高。人造目标的典型代表是桥梁,虽然对桥梁的识别方法已经是人们研究的热点,但却没有一个统一适用的方法。本文在对基于Mean Shift图像分割的桥梁识别方法研究的基础上,提出了一种基于Otsu图像分割的快速桥梁识别方法。本文的研究内容归纳如下：(1)研究桥梁识别方法中运用到的基本知识和理论。研究一种基于Mean Shift图像分割的桥梁识别方法。该方法首先通过Mean Shift算法分割图像；其次,二值化分割结果,在聚类基础上提取河流区域；再次,对河流区域进行形态学操作,提取连通河流区域；然后,比较河流区域与连通河流区域的差异,提取候选桥梁；最后,根据河流中心线与桥梁的交点确定桥梁位置,并识别桥梁。(2)在上述方法的基础上进行改进,提出一种基于Otsu图像分割的快速桥梁识别方法。首先将彩色图像灰度化,然后进行Otsu图像分割；其次,进行膨胀、腐蚀操作,得到水域图像,再进行腐蚀、膨胀操作,得到连通水域图像；再次,对水域图像和连通水域图像作差,提取出桥梁；最后,定位桥梁的位置,并识别桥梁。在识别效果和识别时间上分别比较上述两种识别方法,并针对实验结果做出分析总结。实验结果表明,改进方法比前者更加节省时间,实用性更强。(本文来源于《宁夏大学》期刊2014-05-01）
张永梅,孙静,叶晨[5]（2014）在《基于互补特征的桥梁识别方法》一文中研究指出针对单一图像进行桥梁识别的运行速度慢、误检率高的问题,提出一种结合多源遥感图像互补特征的桥梁识别方法。利用多光谱图像的颜色特征进行水陆分割,得到潜在桥梁区域,分别提取全色、SAR图像潜在桥梁区域的纹理特征和区域均值比特征,结合叁者结果,得到桥梁识别结果。实验结果表明,结合多源遥感图像互补特征的桥梁识别方法有效提高了桥梁识别的准确率。(本文来源于《计算机应用与软件》期刊2014年03期）
董泽万[6]（2014）在《试分析基于区域生长的道路和桥梁识别方法的研究》一文中研究指出本文主要研究了基于区域生长的道路和桥梁识别方法,通过对区域生长的优势以及劣势分析,将原有的识别方法进行深化。另一方面,对区域生长的道路和桥梁特征也有所阐述,从综合的角度来对识别方法进行一定的分析。(本文来源于《科技创业家》期刊2014年01期）
于素芬[7]（2011）在《一种用于桥梁识别的水域分割提取方法》一文中研究指出提出一种新的水域分割提取算法。采用灰度图像减去加权梯度图像的方法拉大水域与田地的差异,利用水域平均灰度高于图像平均灰度的特点,对常规OSTU阈值分割算法进行改进,图像分割后通过水域标记排除小面积干扰区域,通过寻找组成河流的水域方法排除大面积田地干扰。仿真实验结果证明该算法可实现水域的合理有效分割提取。(本文来源于《电光与控制》期刊2011年08期）
张永梅,杨晓易,杜晓伟[8]（2011）在《基于知识库的遥感图像桥梁识别研究》一文中研究指出利用桥梁的特征,实现高分辨率遥感图像中桥梁目标的识别方法。首先建立桥梁特征的知识库,在低层处理中运用链码边界跟踪与边界填充的方法提取出水域;在中层处理中使用Hough变换寻找桥梁线并提取其特征参数;最后在高层处理中对目标进行验证,并在整个过程中加入知识进行指导。该识别软件具有较高的识别准确率。(本文来源于《微计算机信息》期刊2011年07期）
苗启广,翁文奇,许鹏飞[9]（2011）在《遥感图像中无水桥梁识别新算法》一文中研究指出给出了边缘密度和线段复杂度的定义,并提出一种遥感图像中无水桥梁的识别新算法.首先对图像进行边缘提取,计算像素点的边缘密度,根据边缘密度进行图像分割,接着采用Hough变换提取直线,利用线段复杂度等确定疑似桥梁区域,然后计算疑似桥梁区域像素点的纹理特征,并构成一个特征矢量,最后将此特征矢量送入BPNN进行分类,统计该区域所有像素点的分类结果以判决是否属于桥梁.实验结果表明,该算法能够较好地识别出遥感图像中的无水桥梁目标.(本文来源于《电子学报》期刊2011年07期）
杨晓易[10]（2011）在《桥梁识别方法的研究与实现》一文中研究指出目标识别是计算机视觉和人工智能发展中一项非常重要的应用。桥梁作为一种重要的人工建筑,在军事上和民用上都有深远的意义,因此对于桥梁的识别有很重要的意义。随着遥感技术的发展,可以利用越来越多不同类型的传感器获得多种遥感图像数据,这为遥感图像中桥梁的识别提供了有利条件。本文针对遥感图像中水上桥梁目标的识别算法进行研究,提出了在知识驱动的基础上,采用多源遥感图像的融合的方法来提高桥梁识别的准确率。本文的主要工作包括下面两个方面：1.为了更充分地利用和开发多源数据资源,需要利用图像融合技术,将它们各自的优势结合起来,从而克服单一数据在实际应用中的局限,提供图像的更全面描述。本文通过研究SAR和全色图像的互补特征和特征之间的关系,在分别提取出SAR的辐射特征和全色图像的几何特征的基础上,进行特征级的图像融合工作,有助于提高识。别率。2.通过抽象和总结桥梁的几何结构和空间上下文的特征知识,指导水陆的分割,桥梁目标的提取和鉴别等相关工作,将知识运用到桥梁识别的每一步中,利用知识提取感兴趣的区域,选取潜在的目标,对目标再进行鉴别,有助于提高准确率。(本文来源于《北方工业大学》期刊2011-05-09）
桥梁识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目标自动识别技术在军事上和民事上的应用价值都很高。桥梁作为目标识别的典型代表,已经成为人们研究的热点。本文针对航拍图像,提出了一种基于知识的桥梁目标识别方法,即利用桥梁的先验知识,来指导桥梁识别每一步处理。由于航拍高度的不同,导致桥梁在图像中的结构特征也不相同,故将桥梁识别技术分为高空航拍图像的桥梁识别与低空航拍图像的桥梁识别两个研究重点。高空航拍图像的桥梁识别中,桥梁在图像中占有的比例非常小,在高空航拍图像中表现为一长矩形。利用河流区域来辅助识别桥梁,首先,结合河流梯度均匀的特征,采用图像梯度与阈值相结合的方法对航拍图像进行粗略分割。通过面积法与灰度特征相结合的方法来剔除分割图像中存在的干扰区域。然后通过区域生长算法,实现分割后残缺河流区域的修补。最后,根据河流区域的截断位置来确定桥梁区域。低空航拍图像的桥梁识别中,桥梁在图像中占有的比例相对于高空航拍图像较大。采用河流与桥梁结构相结合的特征来对桥梁进行识别。通过改进的Otsu分割算法,对低空航拍图像进行分割,去除一些干扰区域。采用Hough变换与弗里曼链码法相结合的直线检测方法,来检测桥梁轮廓直线。最后通过桥梁与河流的纹理知识,采用纹理特征与几何特征匹配相结合方法,对桥梁进行识别。结合以上桥梁识别算法,开发了航拍图像桥梁识别系,实现了航拍图像数据的录入、航拍图像中的桥梁识别以及桥梁识别结果的存储等功能。设计了高空与低空航拍数据,分别进行高空航拍桥梁识别与低空航拍桥梁识别的实验。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
桥梁识别论文参考文献
[1].孙震.复杂场景下的水上桥梁识别技术研究[D].南京航空航天大学.2017
[2].俞海波.航拍图像中水上桥梁识别技术[D].南京航空航天大学.2015
[3].陈爱军.大幅面卫星遥感图像中桥梁识别算法[J].计算机仿真.2014
[4].张宁宁.基于图像分割的水上桥梁识别方法研究[D].宁夏大学.2014
[5].张永梅,孙静,叶晨.基于互补特征的桥梁识别方法[J].计算机应用与软件.2014
[6].董泽万.试分析基于区域生长的道路和桥梁识别方法的研究[J].科技创业家.2014
[7].于素芬.一种用于桥梁识别的水域分割提取方法[J].电光与控制.2011
[8].张永梅,杨晓易,杜晓伟.基于知识库的遥感图像桥梁识别研究[J].微计算机信息.2011
[9].苗启广,翁文奇,许鹏飞.遥感图像中无水桥梁识别新算法[J].电子学报.2011
[10].杨晓易.桥梁识别方法的研究与实现[D].北方工业大学.2011
论文知识图
