论文部分内容阅读
遥感建筑物图像分析解译在土地规划和管理、自然灾害动态监测、土地环境污染监测,以及军事动态监测等方面都有着极其重要的意义。针对遥感建筑物图像郊外大视场场景复杂,建筑物目标稀疏分布、郊外建筑物呈现分布式目标、及高时效检测等需求,本文提出了一种基于视觉注意计算模型的遥感郊外建筑区检测技术,研究的主要算法关键内容如下:首先,本文提出了一种基于积分图模型的复杂遥感建筑区初步筛选算法。针对建筑区纹理结构复杂的特点及高时效检测的需求,本文构建了一种基于纹理积分图构建梯度积分图建筑区模板,从而获取建筑区初步分割二值图,实现建筑区的粗略筛选。首先通过建筑区边界的梯度积分图计算,然后进行基于梯度积分图的建筑区模板获取,最终获得基于纹理积分图的建筑区筛选初步结果图。其次,本文构建了一种基于上下文感知视觉注意计算模型的郊外遥感建筑物候选区提取算法。针对大视场遥感建筑物图像场景复杂易混、目标稀疏分布以及郊外建筑物呈现分布式目标的特点,本文通过结合快速视觉注意提取和上下文感知模型实现了建筑物疑似区的高效筛选。首先通过底层初级特征显著性的单尺度局部特点获取初步候选区,然后通过结构相似性及全局多尺度聚焦原则获取可视显著性候选区,再利用上下文贝叶斯网络进行建筑区分布式目标的精细提取,最后通过整合全局及局部的显著性得到最终目标建筑物显著图。再次,本文设计了一种基于多类高层结构特征的建筑物候选区精确鉴别算法。针对建筑区检测的多变稀疏分布场景及郊外建筑物的复杂场景结构特征的特点,本文提出了一种构建多类高层结构特征结合单分类器鉴别模型进行虚警剔除的方法,从而鉴别出最终的建筑区。该模型弥补了单一特征结合分类器模型对复杂场景的弱鲁棒性的缺点,不仅完成了对建筑区的可靠检测,还可对高难度稀疏分布的建筑物实现精确检测。最后,综合以上三个关键步骤,本文构建了一套完整的基于视觉注意计算模型的郊外建筑物检测系统。本文采用多层次、多角度的实验验证手段对所提出的模型及方法进行验证分析,实现了在复杂大视场条件下的郊外遥感建筑物高时效、精确检测效果。