优秀本科毕业设计答辩.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * 数 学 系 University of Science and Technology of China DEPARTMENT OF MATHEMATICS 基于形态学的水坝目标识别 姓名：*** 学号：**** 导师：*** 2012.6 第一章 水坝识别的研究背景 第二章 遥感目标的特征分析 第三章 水坝目标的识别方法 第四章 总结与展望 第一章 水坝识别的研究背景 遥感图像的自动判读和自动目标识别是遥感技术研究的主要方向,因此产生了许多图像解译系统 遥感图像解译系统分类 1.提供全像幅解译的系统 2.针对特定目标的系统 3.实现图像的校正、增强的系统 可见光遥感图像技术正在快速发展，图像分辨率提升，有助于获得更详细的地物信息 阿斯旺水坝的彩色遥感图像 葛兰峡谷大坝图 目前对于水坝目标的识别是类似于桥梁目标的平行线特征来进行识别，对于某些目标的效果并不理想。 鉴于水坝是关系国计民生的重要设施，也是非常重要的军事目标，有必要研究出一种足够通用便捷的识别方法 三峡大坝遥感图像 第二章 遥感目标的特征分析 针对遥感目标特征分析的分类 1.光谱特征 2.纹理特征 3.几何特征 针对水坝目标的特征分析 水坝的形状通常为平直形或拱形的细长堤坝，所以和水坝相邻的水域边界通常呈现类似直线的形状。 美国大库利水坝 但因为有些边缘不完全呈现直线状，所以如果使用类似桥梁识别中检测平行线的方法的话，会造成部分边缘非直线的水坝识别不出来。因此放弃采用桥梁检测中常用的平行线检测的方法，而是从水域分割达到水坝识别的目的。 第三章 水坝目标的识别方法 1.水域检测 2.形态学处理 3.去除小区域 4.水坝识别 水坝识别的四个步骤： 放弃常规的阈值分割检测水域的理由 三峡大坝 美国大库利水坝 不同的遥感图像中水域的灰度是不同的，针对每一个图像要求有一个合适的阈值，这不符合通用的原则 基于sobel算子和区域生长的水域检测 用Sobel算子提取边缘，可以将一些平坦的陆地区域分割成小块，保留水域等大块平坦区域，并且将边缘的灰度值加大，增大边缘和区域内部的灰度差别 本实验采用的区域生长具体方法 1.选择一个能正确代表所需区域的种子像素； 2.区域生长的过程中所采用的准则是：如果所考虑的像素与种子像素的灰度值小于某个门限T，则将该像素包括进种子像素所在的区域中； 3.以新合并的像素为中心，返回步骤2，利用准则对新的“种子”点的邻域像素进行判定，直到区域不能进一步扩张，此时区域生长过程结束 选择（0,0）作为种子点，分别以门限T=80,120,140和180 T=80 T=120 T=140 T=180 形态学处理方法——膨胀与腐蚀 二值腐蚀 二值膨胀 比较之前的图像，经过二值腐蚀的图像，消去了大量噪点，再经过二值膨胀的图像，将残留噪点放大了 去除小区域 标记图像中的连通域，然后分别统计每个连通域的像素点个数，最后设置合理的面积的阈值，滤除面积小于阈值的白色区域。 利用中值滤波消除图像的锯齿边缘 水坝目标的识别 对水域检测结果进行边缘提取 水坝目标的识别 1.将轮廓提取的结果进行标记，每个连通区域的轮廓分别标记上不同的值，以实验图来说就是1和2。对轮廓1上的点进行遍历，计算这些点到轮廓2的欧几里得距离。 设轮廓1的点为(x1,y1)，轮廓2的点为 (x2,y2)，那么欧几里得距离为： d2=(x1-x2)2+(y1-y2)2 求得最小距离，记为 dmin ?2.取阈值H，遍历轮廓1，轮廓1的点为(x1,y1) ，轮廓2的点为(x2,y2) ，若 |d- dmin |H 则将对应的 (x1,y1)和(x2,y2) 的灰度值置为125. 实验中H可设为60。 ? 3.遍历整个区域的轮廓，找到所有灰度值为125的点，分别求出这些点的横纵坐标的最大值和最小值，得到 Xmax ,Xmin,Ymax,Ymin 以(Xmax , Ymax) (Xmax ,Ymin)(Xmin,Ymax)(Xmin,Ymin)四个点为顶点，做矩形框，即可标示出水坝的位置。下图为水坝检测的结果 三峡水坝的遥感图像的检测结果 美国大库利水坝的遥感图像水坝识别结果 其他水坝的实验结果 本遥感图像中，水域为暗区，区别于三峡图，但是仍旧能够较好地分辨出来 美国葛兰峡谷大坝的遥感图像水坝识别结果 该水坝是非线状水坝，利用不同于检测平行线的方法，能够很好地识别出来 美国胡佛水坝的遥感图像的识别结果 胡佛水坝可以被识别出来，但是在实际识别的过程中，图像中水坝附近的类似桥梁的建筑物对水坝的识别是有影响的，所以程序上做出改进，将类似桥梁的建筑物围