范瑞彬[1]2004年在《遥感图像中机场识别与毁伤分析研究》文中研究指明机场识别技术是计算机模式识别领域逐渐兴起的研究课题，在军事上有着重要的应用前景。机场识别问题也是模式识别领域的一个相当困难的问题，要使这一技术成为完全成熟的技术还有许多工作需要去做。本文结合已有的一些方法，对于机场识别的若干问题做了一些研究和改进，取得了一些有意义的结果。 本文工作包括： (1)从机场检测着手，针对实际情况，采用了一种新的基于直线特征的机场检测方法。首先采用Canny算子提取图像中的边缘，再采用链码跟踪算法提取出直线边缘，然后根据先验知识建立判断规则，将提取出的直线边缘进行编组判定，可以准确的确定机场存在的区域。这种方法减少对跑道的灰度特征的依赖，更多利用跑道的形状特征，形状特征受光照、噪声、不同时相等影响要比灰度特征小的多。 (2)在已检测出机场的基础之上，介绍了一种新的有针对性的跑道识别方案。先对机场区域图像进行灰度形态学增强，再用基于矩的阀值选取法进行图像分割，然后再用像素标记法提取出机场连通域，最后采用Hough变换识别出机场中的跑道。 (3)基于军事应用的要求，不仅要准确检测和识别机场目标，还要能够分析机场在毁伤打击后的变化情况。所以，这里根据毁伤打击前后的图像对机场目标的毁伤变化情况进行相关性匹配从而检测出毁伤区域，同时还对基于毁伤打击后图像的弹坑检测作了初步的研究。
曹海梅[2]2005年在《遥感图像中水上桥梁目标识别与毁伤分析研究》文中研究表明本文的工作主要是对SPOT遥感图像中水上桥梁目标进行识别,即以计算机为手段,从复杂的遥感图像中检测出水上桥梁,并对其精确定位,继而在识别的基础上对桥梁进行毁伤分析研究。 迄今为止,目标识别算法开发的策略基本上可以归纳为两种:一种称为由下而上的数据驱动型策略,另一种称为由上而下的知识(假设)驱动型策略。本文所提出的识别算法采用的是知识驱动型的策略,算法分低、中、高叁个处理层次,各个层次、各个步骤都有相应的知识基进行引导。 鉴于桥梁目标在本文使用的两类不同分辨率的SPOT图像(10米/像素的中高分辨率图像和20米/像素的低分辨率图像)中的表现有较大的区别,因此本文在“知识驱动”这个总体策略不变的前提下,根据目标在两类图像中的不同特点分别提出了两套不同的识别算法,在低、中、高各层处理中都采用了不同的处理方法。 基于军事应用的要求,不仅要准确检测和识别桥梁目标,还要能够分析桥梁在毁伤打击后的变化情况。所以,本文根据毁伤打击前后的图像对桥梁目标的毁伤变化情况进行相关性匹配从而检测出毁伤区域,继而进行桥梁毁伤评估。 本文提出的识别方法与传统的方法相比,通用性强,检测速度快,较好地实现了水上桥梁目标识别的自动化。
吴建华[3]2005年在《遥感图像中港口识别与毁伤分析研究》文中研究表明港口识别技术在军事上有着重要的应用前景。港口因其环境和特征的复杂性使得其识别技术称为模式识别领域的一个相当困难的问题,要使这一技术成为完全成熟的技术还有许多工作需要去做。 本文研究工作包括: (1) 提出了一种新的遥感图像中港口目标的识别方法。算法采用由上而下的知识驱动策略,充分利用了港口的图像特征,在低层处理中运用了改进的模糊增强算法进行图像预处理,用区域增长算法提取水域;中层处理中用区域标识法提取出潜在的港口目标;最后在高层处理中进行港口的目标识别并用区域归并法分类。算法识别速度快、准确率高,整个算法可以进行自动的识别,也可以由于少量的人工干预使得算法更稳健。实验证明该算法对于SPOT-10遥感图像中的港口识别是很有效的。 (2) 基于军事应用的要求,不仅要准确检测和识别出港口目标,还要能够分析港口在毁伤打击后的变化情况。本文使用港口毁伤仿真图像对港口目标的毁伤变化情况进行相关性匹配,从而检测出毁伤区域,最后做出毁伤评估。
张军[4]2008年在《多时相图像检测方法及其在毁伤评估系统中的应用》文中研究指明本文基于国防基础科研子课题:多源动态图像融合、系统评价及毁伤评估研究需求,重点开展多源多时相图像的变化检测研究,并以战场打击的多时相遥感图像为例,进行初步的毁伤评估研究。本文研究工作的主要目的是开发出有效快速的多时相遥感图像变化检测方法,并将之最终应用于毁伤评估体系中,即以计算机技术为手段,通过对不同时相遥感图像的处理,检测出图像中的各种几何目标特征,并针对感兴趣目标进行变化检测,从而达到毁伤评估的目的。遥感图像变化检测技术是遥感技术中最广泛最基本的应用之一,而将该技术应用于毁伤评估系统中,则是一个较新、发展较快的领域。本文作者通过对已有图像处理、变化检测算法的研究总结,经过对已有遥感图像的大量试验,所做的主要工作及主要创新有:1.提出一种基于边缘增强的遥感图像检测技术,通过自行设定适当的矩阵算子对图像进行卷积锐化增强,再使用改进后的Sobel算子对图像进行边缘增强,从而达到检测出遥感图像中感兴趣区域特征的目的;2.通过对已有图像纹理处理技术的研究总结,提出改进后的纹理处理方法,设定一组数学计算模型对图像进行运算处理,使图像中几何形状的边缘特征得到突出;3.根据已有图像特性及毁伤评估的应用背景,在对已有变化检测技术研究总结的基础上,采用直接差图法,控制相应的变化检测阈值,对已处理的多时相遥感图像进行变化检测试验;4.通过一定的判图标准,对变化检测结果进行初步的定量和定性毁伤评估分析。实际军事中应用的毁伤评估体系是一个非常复杂、全面的过程,它在针对性、实时性、有效性等方面都有着非常高的要求。经试验结果表明,本文中所提出的图像处理、变化检测技术,在上述各方面要求上,具备了在毁伤评估体系中的实用意义。
于天超[5]2010年在《基于多尺度融合的遥感图像变化检测及其毁伤评估应用》文中研究表明本文从多尺度融合的角度出发,对多尺度分析应用于遥感图像变化检测进行了探讨。首先利用小波变化对原始图像进行多尺度分解,然后利用变化检测算法提取不同尺度图像的变化区域,最后利用马尔科夫随机场将不同尺度变化检测结果进行融合。由于马尔科夫随机场融合方法充分考虑了相邻像素间的相关性和不同尺度检测结果的联系,从而使融合结果更加细致和精确。本文基于毁伤前后两幅图像的变化检测结果,研究了飞机、桥梁、跑道等目标的毁伤评估方法。针对飞机目标,本文结合毁伤前后全体飞机目标识别结果和变化检测结果,给出了毁伤飞机目标的识别方法。根据毁伤飞机目标的前后联系,本文可以准确的识别出添加的、消失的、移动的和毁伤的飞机目标。再根据飞机目标的毁伤面积比、几何特征变化率、纹理特征变化率等参数,本文又给出了飞机目标毁伤程度的具体划分。针对桥梁目标,本文首先根据毁伤前桥梁目标识别结果和变化检测结果,提取每个毁伤桥梁目标的毁伤前桥梁面积、毁伤面积、桥梁长度、弹坑个数、最大最小平均弹坑面积、以及是否截断等毁伤信息,然后由这些毁伤信息计算得到毁伤面积比、单位长度弹坑个数、单位长度毁伤面积、截断区域个数等桥梁目标毁伤指标参数,最后由这些毁伤指标参数确定桥梁目标毁伤程度。针对跑道目标,本文主要是根据毁伤后的跑道目标是否存在满足飞机起飞所需的矩形区域来判定跑道的毁伤。毁伤后的跑道由毁伤前跑道目标和变化检测结果取与非操作得到。将满足飞机起飞所需的矩形区域看作一个模板,通过在毁伤后的跑道不同位置旋转模板,来寻找满足飞机起飞所需的矩形区域,如果在毁伤后的跑道所有位置所有角度都不存在这样的矩形区域,则判定跑道毁伤,否则给出找到的矩形区域位置。
孙曼利[6]2007年在《基于高分辨率图像的机场区域检测和毁伤识别研究》文中进行了进一步梳理遥感图像目标自动识别技术是计算机模式识别与图像处理领域非常活跃的研究课题。在军事目标的识别中，准确、高效地识别出遥感图像中的机场目标并对机场区域进行毁伤识别具有重要的现实意义和应用价值。本文主要针对机场这一典型军事目标，结合已有的一些方法，对于机场区域检测和毁伤识别的若干问题做了一些研究和改进，取得了一些有意义的结果。本文对机场检测过程进行了较全面的分析，针对传统的Hough变换算法所存在的需要较大的存储空间和计算量较大的问题，把多分辨率Hough变换方法运用到机场跑道的检测中以节省存储空间，然后初步筛选提取出的直线，再结合机场跑道的几何形状特征做进一步筛选验证，最后给出了机场区域的描述信息。检测出比较明显的大中型目标机场后，在一定的有效区域内对毁伤情况进行识别。机场区域的毁伤识别主要分为两种情况：一种是基于机场目标打击前后即两幅图像的毁伤识别。先采用基于高斯分布的模拟算法对机场区域打击后的成片弹坑进行仿真，再使用非监督变化检测的算法进行毁伤识别。识别方法为：首先采用了图像分块的方法来提高识别的效率和精度，根据相关性匹配算法确定目标存在的小区域，其次使用图像差值法在这些小区域内进行毁伤识别，在对差值图像进行分割时，提出采用基于最小错误率的贝叶斯决策法对弹坑位置进行精确定位，贝叶斯决策检测法的先验概率和条件概率密度采用非监督参数估计方法EM算法进行估计。另一种是基于机场目标打击后即单幅图像的毁伤识别，具体步骤分为叁步：第一步通过分析弹坑的灰度、形状、大小等特征，建立弹坑模型，根据弹坑模型识别出弹坑中心点，第二步使用种子填充的方法生长出弹坑，第叁步在识别出弹坑的基础上提出采用最小二乘法的曲线拟合方法描述弹坑边缘特征。通过实验证明了本文算法的有效性。
王海兵[7]2007年在《基于遥感图像的子母弹机场毁伤的效果分析研究》文中研究说明适时、准确的打击效果评估对决策后续战役行动、加速战役进程、节约战争成本具有十分重要的作用。由于现代战争中，夺取制空权已成为影响战争进程的关键，所以作为空军执行作战任务唯一依托的机场就自然成了打击的焦点。基于此，本文针对机场这一典型军事目标，将数字图像处理技术和数据挖掘技术运用到机场的毁伤分析中，对机场毁伤效果进行了研究。机场毁伤识别作为模式识别领域的问题之一，在军事上有着重要的应用前景。本文结合一些己有的方法，研究了有关遥感图像下机场被子母弹毁伤的识别方法并通过数据挖掘的方法对检测出来的毁伤进行了进一步分析。由于实验条件的限制，本文首先建立了子母弹数学模型，通过计算机仿真的方法模拟打击效果。为了得到更好的识别效果，本文使用灰度变换对遥感图像进行预处理，增强了要检测的毁伤部分与其他部分的对比度。在识别之前，使用种子填充的方法从图像中提取出机场跑道掩模图像，使识别范围限制在我们感兴趣的跑道上。本文结合子母弹毁伤遥感图像毁伤的特点提出了一种基于邻域灰度特征的毁伤检测算法。并结合变化检测的方法实现了基于双幅图像的毁伤检测。识别后通过聚类算法对识别结果进行进一步的分析。结合本文研究的毁伤的特点，本文对基于遗传算法的k-mediods聚类算法和对k均值聚类算法进行了改进，使得这两种算法都具有自动确定分类数的功能并在实验中取得了很好的效果。
张文浩[8]2010年在《光学遥感图像跑道提取与油罐目标识别技术研究》文中进行了进一步梳理卫星遥感图像作为一类重要的空间信息源,以其时效性,实用性而被广泛应用于资源勘探、军事侦查、环境灾害监测、土地利用、农作物估产、城市规划等诸多领域,对国防、国民经济和社会发展有着重大的影响。光学遥感图像通常表现为:灰度级多、对比度低、信息量大、边界模糊、目标结构复杂、区域特征因不同的拍摄条件而产生较大变化等等,由于光学遥感图像的这些特性,使得对光学遥感图像中目标的提取与识别没有完全可靠的模型进行指导。本文依托“遥感影像的区域分割与毁伤信息提取”研究项目,参考国内外遥感图像处理、遥感图像目标识别的相关文献和商业软件,对高空间分辨率光学遥感影像中跑道提取、港口油罐目标识别进行了深入的研究,相关工作与成果如下:1.详细研究了数字图像处理的一些基本算法,例如:形态学膨胀、腐蚀、高帽和低帽变换,高斯模糊滤波,Canny分割,Otsu分割,边缘跟踪,连通域标记算法。本文将这些算法用于光学遥感图像的预处理和目标的特征提取,去除了图像背景带来的干扰特征,增强了跑道目标与油罐目标的特征,是后续提取与识别工作的基础。2.详细研究了跑道提取技术。针对跑道一般具有比较复杂的几何拓扑结构,并与周围的非跑道区域有着明显的界限等特征,本文研究了基于Hough变换直线检测算法的跑道提取技术,对机场跑道进行提取。基于Hough变换直线检测算法的跑道提取技术能够很好地提取出机场的主要跑道,但无法提取出一些非直线型的分支跑道。在前人的研究基础上,本文提出了基于水平集算法的跑道提取技术。由于水平集算法有着应对复杂几何拓扑结构的优势,该方法不仅能够提取出机场的主要跑道,还能提取出机场的非直线型分支跑道,从而改善了提取结果。3.详细研究了港口油罐识别技术。本文研究了基于形态学的油罐识别技术,基于形态学的油罐识别技术能够很好地识别出灰度值与背景相差比较大的油罐目标,如果加上油罐区域的先验空间信息,能够在复杂场景中识别出目标油罐,但其依赖于先验信息,并且当目标灰度值与背景相差不大时,识别效果并不理想。本文在前人的研究基础上,提出了改进的基于Hough变换圆检测算法的油罐识别技术。该算法充分利用了油罐目标的圆形特征与不交迭特性,在目标边缘信息能够被检测到的情况下,改进的基于Hough变换圆检测算法的油罐识别技术能够识别出灰度值与背景接近的油罐目标,对阴影不是很长的油罐目标也取得了很好的识别结果。4.利用研究提出的算法,完成了光学遥感图像跑道提取与油罐目标识别的软件设计,通过测试,技术指标中目标的提取与识别准确率达到85%以上,处理时间小于2分钟。
刘小锋[9]2013年在《基于遥感图像目标识别的机场毁伤情况研究》文中研究指明多时相的图像变化检测是在不同的时间获取的图像中，定量的分析和确定同一场景图像之间发生的变化。图像的变化检测是图像处理中的一项关键技术，在资源调查、环境检测、基础地理数据库更新、战场情况分析、目标的识别和追踪、武器打击效果评估等诸多领域有着广泛应用，是图像处理的重要研究方向之一。本文重点围绕机场区域内感兴趣目标的毁伤情况进行研究，在借鉴和分析了传统变化检测方法的基础上，研究和拟定了机场区域内跑道、油库、控制塔等重要设施的毁伤研究方法。本文主要包括感兴趣区域定位、机场跑道识别、飞机目标识别，以及该区域内感兴趣目标的被打击前后的毁伤情况分析等叁项内容。在第一部分中，利用机场中跑道的显着特点，检测出机场区域，进而检测出跑道，从而确定了感兴趣的机场区域。第二部分，研究感兴趣区域局部图像上的飞机检测方法。重点研究了利用图像中飞机目标的边缘和角点特征相结合的方法对飞机目标进行识别。先对目标进行边缘检测，提取飞机目标的边缘信息，然后利用大津法OTSU算法二值化处理图像，然后对其进行哈里斯（Harris）角点检测，由此确定满足飞机角点分布特征的区域，从这些区域中剔除伪目标，最后利用最小矩形标注出飞机的位置。第叁部分，根据机场被打击前后的两幅图像，利用灰度共生矩阵提取纹理特征，采用非监督变化检测的方法识别出机场打击前后的毁伤变化，给出检测结果。
钟家强[10]2005年在《基于多时相遥感图像的变化检测》文中研究表明多时相遥感图像变化检测已经在国民经济和国防建设领域得到广泛应用。通过分析同一地域不同时相的遥感图像,变化检测提供地物发生变化的信息,用于资源环境数据更新及利用、战场态势分析以及毁伤效果评估等。在对变化检测做了系统分析的基础上,论文围绕变化检测中的一些关键理论方法进行了研究,主要涉及:图像配准与辐射校正等预处理方法和基于图像变换、图像差分与几何结构特征分析的变化检测方法。图像配准和辐射校正是变化检测中两项关键的预处理过程,处理精度将直接影响变化检测的性能。论文根据不同图像中对应特征点及其邻域灰度变化的限制条件,提出了一种多时相遥感图像配准算法,通过稳健性参数估计和分层处理,提高了图像配准的可靠性和精度。论文根据不同时相图像的灰度统计关系,提出了一种基于最小偏差回归的相对辐射校正算法,通过稳健性估计和迭代处理减少了变化区域对辐射校正的影响。图像变换是实现多光谱遥感图像变化检测的一类重要方法,现有变化检测所使用的图像变换方法基本上都是基于正交变换,难以处理图像间的高阶相关信息。论文提出了一种将独立成分分析用于多光谱遥感图像变换的变化检测方法,减少了图像间的高阶相关,提高了检测性能。在改进的独立成分学习算法中,通过在梯度下降方法中引入阻尼因子,降低了对初始值的依赖,提高了独立成分求解的稳健性。图像差分是实现变化区域检测的最直接方法,但是仅仅根据地物光谱特征差异得到的灰度差分图像难以表征地物局部结构的变化。论文根据图像融合原理,提出了一种融合灰度差分图像和纹理差分图像的变化检测算法。算法采用了高斯马尔科夫随机场模型表示融合后差分图像,并通过自适应的参数估计方法实现变化区域的检测。几何结构的变化是高分辨率图像中人造目标变化检测的主要线索。论文首先提出了一种利用变化线特征实现道路的变化检测算法,先根据边缘的强度和方向信息提取出变化的线特征,然后再根据道路的先验模型对变化线特征进行分析,检测出变化的道路。论文还提出了一种基于目标多种几何结构特征分析的变化检测算法,并用以实现军事目标的毁伤分析。论文研究的各种算法用于一些真实和仿真的多时相遥感图像,都取得了满意的实验结果,并在相应的科研项目中得到了应用。
参考文献：
[1]. 遥感图像中机场识别与毁伤分析研究[D]. 范瑞彬. 南京理工大学. 2004
[2]. 遥感图像中水上桥梁目标识别与毁伤分析研究[D]. 曹海梅. 南京理工大学. 2005
[3]. 遥感图像中港口识别与毁伤分析研究[D]. 吴建华. 南京理工大学. 2005
[4]. 多时相图像检测方法及其在毁伤评估系统中的应用[D]. 张军. 上海交通大学. 2008
[5]. 基于多尺度融合的遥感图像变化检测及其毁伤评估应用[D]. 于天超. 电子科技大学. 2010
[6]. 基于高分辨率图像的机场区域检测和毁伤识别研究[D]. 孙曼利. 南京理工大学. 2007
[7]. 基于遥感图像的子母弹机场毁伤的效果分析研究[D]. 王海兵. 南京理工大学. 2007
[8]. 光学遥感图像跑道提取与油罐目标识别技术研究[D]. 张文浩. 电子科技大学. 2010
[9]. 基于遥感图像目标识别的机场毁伤情况研究[D]. 刘小锋. 西安电子科技大学. 2013
[10]. 基于多时相遥感图像的变化检测[D]. 钟家强. 国防科学技术大学. 2005
标签：工业通用技术及设备论文; 自动化技术论文; 遥感图像处理论文; 图像识别技术论文; 图像融合论文; 特征提取论文; 灰度图像论文; 边缘提取论文; 遥感论文; 图像处理论文;