论文部分内容阅读
典型线目标(道路和海岸线)的提取,在军事和民用领域的各方面已获得广泛的应用,并发挥着巨大的作用。而随着遥感技术的发展,仅依靠单个光谱信息的传统分类方法难以满足实际需求,为了进一步提高信息的利用率,我们将融合思想引入到线目标的提取。利用不同数据源的信息协同处理来提高线目标识别的精准度。本论文针对多源遥感图像的特点及优势,以可见光全色图像、多光谱图像和SAR图像为数据源,以线目标(道路和海岸线)为研究对象,主要利用了新型小波(双树复小波和非下采样的Contourlet变换)融合的手段,对多源遥感图像中的线目标提取问题做了研究和分析。论文首先研究了小波和新型小波的基本理论及融合算法,深入研究了双树复小波和非下采样的Contourlet变换的性质及特点,通过实验对新型小波的性质进行了验证,并从多方向性、平移不变性和各向异性三方面进行了分析。在此基础上,提出了将双树复小波和非下采样的Contourlet变换相结合的改进融合算法,通过优势互补,提高了融合后图像对边缘和细节的保持能力。该方法可以使融合后的图像的线特征更加明显,便于后续线目标的提取。然后,研究了基于融合的道路和海岸线目标提取方法。针对不同数据源特点,采用不同的道路预处理方法,并提出了一种基于数学形态学和局部Hough变换的道路融合提取算法。采用“提取—融合—后处理”流程完成了对道路目标提取的整个过程。通过实验证明,该算法对于不同分辨率和不同信源的图像,都能以较高的精确度提取出道路并有效保持其原始形状。针对海岸线,采用基于融合的分类算法进行海岸线提取,克服了分类算法对边缘保持较差的缺点,经过融合分类后,去除了大部分的干扰信息,有利于后续对海岸线的边缘检测。