导读:本文包含了纹理信息论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感影像,分类,纹理特征,几何特征
纹理信息论文文献综述
马长辉,黄登山[1]（2019）在《纹理与几何特征信息在高空间分辨率遥感影像分类中的应用》一文中研究指出为充分利用高空间分辨率遥感影像所包含的纹理与几何特征信息,提高影像的分类精度,应用面向对象技术和Log-Gabor小波来提取影像纹理和几何特征信息,并结合影像光谱信息对影像进行分类。选用的分类器为粒群优化算法优化参数的支持向量机分类器,使用资源叁号和高分二号两种不同传感器的卫星影像对方法进行验证,影像数据地物类型包含林地、草地、裸地、沙地、建筑物和道路等典型实体对象。通过对实验结果的目视比较和统计分析结果表明,所提方法分类结果精度较传统方法有所提高。(本文来源于《测绘地理信息》期刊2019年06期）
魏伟一,王瑜,阿成凤[2]（2019）在《一种基于LBP的纹理合成无载体信息隐藏方法》一文中研究指出为了提高无载体隐写算法的嵌入容量和抗干扰能力,提出了一种基于LBP码的纹理合成信息隐藏方法。该方法首先选择原始小尺寸纹理图像,分割生成均匀的像素块并计算块内每个像素的LBP值,取分布最多的LBP值作为该图像块的代表信息。隐藏秘密信息时,首先用指定密钥生成伪随机序列确定白纸上放置纹理候选块的位置,然后根据秘密信息的值选择候选块,放置到白纸指定的位置,其余空白位置则使用纹理合成方法填充。提取信息时,根据密钥生成的伪随机序列得到含密信息块位置,计算每一图像块的LBP值,取分布最多的LBP值作为该图像块包含的信息,从而得到秘密信息。实验结果表明,该方法生成的含密图像具有良好的视觉效果,而且在嵌入容量和抗干扰能力方面有了进一步提高。(本文来源于《计算机工程与科学》期刊2019年11期）
詹森,张景发,龚丽霞,李强,王建飞[3]（2019）在《基于纹理特征的高分辨率合成孔径雷达影像单体建筑物震害信息识别》一文中研究指出获取震后建筑物震害信息有利于开展人员救援和灾后重建工作。由于高分辨率合成孔径雷达(SAR)数据少有震前数据存档,利用震后单时相高分辨率SAR数据评估建筑物震害成为研究热点,但利用高分辨率SAR数据对单体建筑物的研究却很少。以叁景北川老县城震后0. 24 m Terra SAR-X聚束模式(ST)数据为数据源,经多视处理后提取建筑物纹理特征,对比分析不同视数大小和纹理计算窗口大小对建筑物震害识别影响,确定最佳纹理计算窗口大小和视数大小。结合震前光学数据,获得SAR单体建筑物轮廓图,随机选取建筑物轮廓样本作为训练样本,引入支持向量机(SVM)和随机森林(RF)分类器识别建筑物震害信息。结果表明,基于纹理特征的SVM、RF方法能有效地识别高分辨SAR影像单体建筑物震害信息,SVM识别精度均在80%以上,RF识别精度均在83%以上。可见基于高分辨率SAR数据的纹理特征识别建筑物震害方法稳定有效,可为灾后应急、灾害评估和灾后重建工作提供可靠信息支撑。(本文来源于《科学技术与工程》期刊2019年31期）
赵富强,孔斌,杨静,王智灵[4]（2019）在《基于路面纹理环境信息的车辆跟踪算法研究》一文中研究指出本文通过提取待跟踪车辆的上方、左方和右方环境信息作为噪声样本,在训练过程中对其进行抑制;提取目标车辆下方区域的路面纹理信息作为辅助定位的正样本,通过脊回归算法进行训练,获得综合权重,并根据权重对后续帧进行预测。同时,本文融合多尺度目标跟踪相关方法,实现道路场景下对前方车辆的精确跟踪。实验证明,改进后的算法具有较高的精度及较低的失败率。(本文来源于《机器人技术与应用》期刊2019年05期）
贾俊英,曹瑞,张小波,史婷婷,杨敏[5]（2019）在《基于纹理和光谱信息的奈曼旗防风遥感解译》一文中研究指出中药材种植面积是制定中药材生产、扶贫等政策和确定药材贸易数量的重要依据,精确掌握中药材种植的分布、面积和产量等信息是中药种植结构调整的基础。奈曼旗现为内蒙古通辽市最大的蒙中药材种植地,及时有效地获取奈曼旗的蒙中药材种植面积对后续产业发展具有重要意义。该研究选取奈曼旗大面积种植的药用植物防风为例,以融合的2 m分辨率的资源叁号(ZY-3)遥感影像作为数据源,基于地面调查的数据,选取各典型地物的样本数据,得出不同地物的光谱特征曲线,获取防风光谱信息;采用基于概率统计的滤波纹理分析方法,选取5种不同纹理滤波下的纹理图像显示结果进行比较分析,最终确定基于信息熵的防风纹理特征。应用遥感影像的纹理和光谱信息提取解译奈曼旗防风的分布范围及种植面积。结果表明:防风主要分布在奈曼旗的东北地区和中南部地区,种植面积达5 336亩(1亩≈667 m~2)。野外实地验证数据与遥感解译结果吻合程度很高,差异性较小。说明采用光谱信息和纹理信息结合的方法可以实现防风的判别,解译结果可为县域制定中药材产业扶贫行动和农业产区经济发展规划提供参考。(本文来源于《中国中药杂志》期刊2019年19期）
李晗,陈新云,白彦锋,姜春前,孟京辉[6]（2019）在《基于SPOT-5光谱和纹理信息的湘西森林生态功能指数遥感预测模型构建》一文中研究指出以湘西区域SPOT-5遥感影像为基础,提取样地纹理和光谱信息,以一类调查数据的生态指数为因变量,所对应的纹理和光谱指数为自变量,采用全子集回归来构建预估模型,并采用留一交叉验证进行模型检验。结果表明,构建模型的判定系数■为0.507 1,留一交叉验证结果■=0.486 0,模型的残差呈均匀的分布在0附近,没有明显的变化趋势。此外,SW检验和NCV检验结果显示残差的正态性和等方差性,表明构建的森林生态功能指数遥感预估模型能够预估森林生态功能指数,为生态功能的快速、经济和定量的评价提供数据支持,为有效森林管理以及决策的制定提供理论支持。(本文来源于《西北林学院学报》期刊2019年05期）
李金香,赵朔,金花,李亚芳,郭寅[7]（2019）在《结合纹理和形态学特征的高分遥感影像建筑物震害信息提取》一文中研究指出为提高震害信息获取时效性,对基于我国国产高分遥感影像的建筑物震害信息提取方法进行深入研究,本文以2017年5月11日新疆塔县M_S5.5地震为例,利用该地震前后极灾区高分遥感影像,利用结合纹理和形态学特征的方法进行了建筑物震害信息提取,通过变化检测分析获取了极灾区建筑物震害信息,并与基于像元级和基于目标级的信息提取结果进行对比,采用震后无人机影像目视解译结果对本文结果进行了精度验证。结果表明:通过缩减研究区范围可大力提高数据提取精度和速度;运用灰度共生矩阵、二值化、数学形态学等方法对影像进行迭代运算,能较好地提取高分遥感影像中的建筑物信息;通过对地震前后建筑物提取结果进行变化检测分析,能够有效地提取完全倒塌的建筑物,信息提取总体精度为90.45%,比基于像元级和基于目标级信息提取结果的精度分别提高了5.78%和5.23%,可为震后快速确定人员压埋点、部署救援力量提供决策依据,提高地震应急救援的时效性。(本文来源于《地震学报》期刊2019年05期）
蔡涵鹏,李会强,秦情,吴庆平,胡浩炀[8]（2019）在《迭前地震纹理特征和空间信息联合驱动的地震相分析方法》一文中研究指出传统的地震相分析方法主要基于地震反射波形或者地震属性,它们利用地震数据的不一致性来实现反射元的相类别指派,是仅仅基于数据驱动的方法。实际地层展布具有明显的横向连续性,而仅基于数据驱动的方法未有效利用叁维地震数据中包含的地层先验信息,使得分析结果与实际情况的吻合度有待提高。本文从迭前地震纹理特征出发,进行地震相的初始分析,再研究地层中先验信息在空间中的传播方式,以空间概率的形式对基于数据驱动的分析结果进行修正。实际数据处理结果证实研究方法获得的地震相分析结果能够更好地反映实际沉积环境情况。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
王利花,金辉虎,王晨丞,孙瑞悉[9]（2019）在《基于合成孔径雷达的农作物后向散射特性及纹理信息分析——以吉林省农安县为例》一文中研究指出及时掌握农作物类型、时空分布和结构信息,是合理调整农业结构的重要科学依据。针对光学遥感依赖于太阳辐射,在农作物生长周期内常受制于云雾的影响而无法获取到光学遥感数据的问题,本文采用全天时全天候、不受云雾等天气影响的合成孔径雷达(synthetic aperture radar, SAR)影像,探讨典型农作物的后向散射特性和纹理特征,为采用合成孔径雷达影像实现高精度农作物大面积监测提供科学依据。以吉林省农安县为例,利用12景Sentinel-1B双极化SAR影像数据,经影像预处理和统计分析,研究不同极化的农作物后向散射特性和纹理信息。结果表明:3种作物(大豆、玉米、水稻1和水稻2)同极化(VV)的SAR后向散射系数在生长周期内均高于交叉极化(VH),农作物植株形态改变极化方式的能力为-25～-15dB。3种作物在整个生长期内,后向散射系数呈现较大波动,各阶段后向散射特征差异明显。在生长初期,土壤对后向散射特征起主要作用,在SAR图像上表现为暗色调;随着作物生长,冠层散射迭加土壤散射作用占据主要位置,散射值随作物生长呈现逐渐增加的趋势,在SAR图像上表现为亮色调;拔节(分枝)后(7月10日后)作物的后向散射信号除冠层散射作用外,还主要受到土壤含水量及其与作物相互作用的影响,因此拔节后两种水稻后向散射系数下降幅度较大。水稻对雷达波的吸收强于玉米和大豆,整体上后向散射系数第2种水稻<第1种水稻<玉米<大豆,尤其在VH极化方式下表现更明显。对作物SAR纹理信息的研究表明纹理信息的均值、方差和协同性对于农作物的SAR识别更有效,最佳纹理信息为VH极化均值,有利于识别3种作物;VV极化方差和VV协同性有助于区分两种水稻; SAR影像识别作物的最佳时相为5月23日至7月10日。(本文来源于《中国生态农业学报(中英文)》期刊2019年09期）
白芃远,许华,孙莉[10]（2019）在《基于卷积神经网络与时频图纹理信息的信号调制方式分类方法》一文中研究指出通信信号的调制方式识别是通信侦察、频谱监测的重要工作内容之一,提出一种利用深度学习提取信号时频图纹理信息的分类方法。该方法利用不同调制方式在时频图细节上的微弱差别,并使用卷积神经网络提取图像纹理特征,最终输入SOFTMAX分类器进行分类。结果表明,该方法在大样本条件下,可取得良好的分类效果。与传统基于特征参数的支持向量机分类方法或前馈神经网络方法相比,其提取特征更优、分类效果更好,同时减少了人工设计特征参数的工作量和不确定性。(本文来源于《西北工业大学学报》期刊2019年04期）
纹理信息论文开题报告
（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：
为了提高无载体隐写算法的嵌入容量和抗干扰能力,提出了一种基于LBP码的纹理合成信息隐藏方法。该方法首先选择原始小尺寸纹理图像,分割生成均匀的像素块并计算块内每个像素的LBP值,取分布最多的LBP值作为该图像块的代表信息。隐藏秘密信息时,首先用指定密钥生成伪随机序列确定白纸上放置纹理候选块的位置,然后根据秘密信息的值选择候选块,放置到白纸指定的位置,其余空白位置则使用纹理合成方法填充。提取信息时,根据密钥生成的伪随机序列得到含密信息块位置,计算每一图像块的LBP值,取分布最多的LBP值作为该图像块包含的信息,从而得到秘密信息。实验结果表明,该方法生成的含密图像具有良好的视觉效果,而且在嵌入容量和抗干扰能力方面有了进一步提高。
（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。
纹理信息论文参考文献
[1].马长辉,黄登山.纹理与几何特征信息在高空间分辨率遥感影像分类中的应用[J].测绘地理信息.2019
[2].魏伟一,王瑜,阿成凤.一种基于LBP的纹理合成无载体信息隐藏方法[J].计算机工程与科学.2019
[3].詹森,张景发,龚丽霞,李强,王建飞.基于纹理特征的高分辨率合成孔径雷达影像单体建筑物震害信息识别[J].科学技术与工程.2019
[4].赵富强,孔斌,杨静,王智灵.基于路面纹理环境信息的车辆跟踪算法研究[J].机器人技术与应用.2019
[5].贾俊英,曹瑞,张小波,史婷婷,杨敏.基于纹理和光谱信息的奈曼旗防风遥感解译[J].中国中药杂志.2019
[6].李晗,陈新云,白彦锋,姜春前,孟京辉.基于SPOT-5光谱和纹理信息的湘西森林生态功能指数遥感预测模型构建[J].西北林学院学报.2019
[7].李金香,赵朔,金花,李亚芳,郭寅.结合纹理和形态学特征的高分遥感影像建筑物震害信息提取[J].地震学报.2019
[8].蔡涵鹏,李会强,秦情,吴庆平,胡浩炀.迭前地震纹理特征和空间信息联合驱动的地震相分析方法[C].中国石油学会2019年物探技术研讨会论文集.2019
[9].王利花,金辉虎,王晨丞,孙瑞悉.基于合成孔径雷达的农作物后向散射特性及纹理信息分析——以吉林省农安县为例[J].中国生态农业学报(中英文).2019
[10].白芃远,许华,孙莉.基于卷积神经网络与时频图纹理信息的信号调制方式分类方法[J].西北工业大学学报.2019