导读:本文包含了线状目标提取论文开题报告文献综述及选题提纲参考文献，主要关键词:线状目标提取,车道线检测,道路提取,尺度空间
线状目标提取论文文献综述
李青[1]（2015）在《线状目标提取技术研究及应用》一文中研究指出在计算机视觉系统中,几何特征是识别物体的重要属性,当图像中物体的位置、方向或尺度发生变化时,利用物体的几何特征依然可以描述和分辨物体。线作为几何特征中的一种重要特征,是图像处理的中层表述符号,可很好的反映图像高层信息。本文研究一种具体的线特征,称之为线状目标,代表有宽度的直线或曲线,较之边缘包含更多的信息,可更好表达目标物体。其应用领域非常广泛,因此始终是学者和机构的研究热点。本文主要关注线状目标提取在智能车辆导航车道线检测和遥感图像道路提取两方面的应用。车道线和道路在其相关图像中均呈现细长明亮且均匀的线状结构,’因此可借助线状目标提取技术来解决相应问题。本文针对解决道路提取的宽度限制问题,提出了基于自动尺度选择的道路提取算法。在分析了多尺度框架检测在道路提取中的必要性和可行性,我们将自动尺度选择引入道路特征检测中,同时采用跟踪检测的策略,降低了尺度空间迭代造成的高计算量。该方法成功去除了线状目标提取中的宽度约束,使执行过程避免人工干预。本文针对解决车道线检测领域普遍存在的难点：容易受阴影及光照条件等影响,提出基于亮度信息和曲线检测的车道线提取算法。本文利用车道线与其邻域亮度差异始终存在的特点来过滤车道线,并且采用RANSAC方法准确描述车道线几何信息。实验结果表明,该方法在符合车道线检测实时性要求的同时,可以消除人造物、道路裂缝等干扰,且对不同光照条件鲁棒。(本文来源于《大连理工大学》期刊2015-05-19）
陆浩[2]（2014）在《基于线状特征提取的机场目标识别技术》一文中研究指出对机场目标识别的研究,从军事角度上可以帮助制导武器在末制导阶段自动识别敌方机场,通过摧毁敌方机场目标,瓦解敌方空军,对实现低成本打击、精确打击目标有很大的促进作用,从民用角度上实现民用飞机的自动导航,可以提高民航系统的安全度,确保飞机的稳定降落。如何从航拍图像中准确快速的提取机场目标,并将整个目标识别的过程可视化的研究工作是具有重大的理论价值和实际意义的。首先,本文针对机场跑道是机场中最明显、最规则、最能反映机场位置信息的建筑物这一特点,检测出机场跑道的位置,相应就得到了机场位置。因此本文围绕机场跑道的检测,研究了机场图像的线状特征提取算法,从图像空间到参数空间的“一对多”映射方式、累加器的唱票方法和端点检测等方面指出传统Hough变换应用于机场检测的局限性,并利用机场的先验知识驱动策略,提出了针对机场目标提取的改进Hough变换,较之传统Hough变换检测时间和正确率分别提高了30%、70%,并引入了国际上在线段检测上正确率最高的LSD算法,辅助以机场中跑道的长度门限值范围、宽度限制和跑道平行等特征,对保留线段检测出机场跑道的边缘。其次在实际的侦察机探测图像时,获取机场位置是通过不止一幅图像确定的,是通过多幅连续的序列图发现、验证、确认的。本文针对沿着直线段飞行的侦察机这一特例,考虑无人机的飞行距离、探测器延时等情况,采用截断分块处理探测图像的方法,能够在保持原有正确率的基础上,检测时间缩减为原来的22%。最后选用Vega Prime、MapX等开发工具,在VC++开发平台下,通过Socket接收机载端发送的无人机、导弹和机场目标的空间位置信息,将整个侦察机起始阶段巡查、发现目标的过程在叁维视景窗口、二维GIS窗口更真实的展现给地面观测人员。最终的实验结果,表征本文中针对机场的改进Hough变换和LSD算法对机场检测能满足实际应用,地面监控可视化平台也能实时观测整个检测过程。(本文来源于《电子科技大学》期刊2014-04-30）
邓少平[3]（2013）在《高分辨率极化SAR影像典型线状目标半自动提取》一文中研究指出合成孔径雷达(Synthetic Aperture Radar, SAR)作为主动式的微波传感器,具有全天候、全天时的优点,在军用和民用中均发挥着越来越重要的作用。随着雷达技术的发展,数据获取能力得到快速增长,SAR呈现出多波段、多极化、高分辨率的特点。与数据获取能力相比,影像解译技术的发展却相对滞后。其中线状目标提取更是影像解译的重要内容之一,如道路、输电线等典型线状目标的提取与监测在国民经济建设和国防建设中均具有重要意义,然而受到斑点噪声及目标的复杂性等因素影响,典型线状目标提取的可靠性仍面临着较大挑战。高分辨率极化SAR影像包含丰富的空间信息和完整的目标后向散射信息,为这一问题的解决提供了新的途径。如何利用高分辨率极化SAR影像中的丰富信息成为当前线状目标提取的关键问题之一线状目标提取可分为半自动和自动两类,全自动方法是当前研究的热点,也是线状目标提取研究的最终方向,但基于线状的解译理论与技术实现全自动提取还需要一段很长的时间,而半自动提取技术能够融合计算机的精准快速计算能力和作业员的可靠识别能力,是当前条件下一种面向工程应用的较好处理方法,具有重要的实用价值,也是当前研究的热点。道路和输电线作为SAR影像上非常重要的两类典型线目标,是SAR影像线状目标提取技术领域重点研究的对象。道路由于类别多样,形态各异,且受斑点噪声影响,尤其受桥梁(天桥)、车辆等地物严重干扰等问题,提取困难；而输电线存在信杂比极低的问题,基于功率的传统方法难以奏效。本文重点针对道路和输电线的半自动提取问题,利用高分辨率极化SAR影像,从地物散射特性和几何特性出发,深入研究了斑点噪声抑制、边缘检测、基于极化SAR影像单类分类的道路种子点提取、道路半自动跟踪和基于极化相干性的输电线检测等关键技术,提出了从预处理、初级处理等通用处理到道路和输电线等典型目标专用处理的技术路线,从而实现了典型线状目标——道路和输电线的半自动提取。主要研究内容如下：首先针对SAR滤波既要保持线状特征又要抑制斑点噪声的问题,提出了一种保持空间结构特征和散射特性的滤波方法。该方法在空间结构丰富的区域,使用了边缘、线状和方形同质窗,能减少虚假边缘和降低真实边缘的模糊,侧重于保持空间结构的完整性；在同质区域内,滤波仅在相同散射机制的像素间进行,侧重于极化信息的保持；最后根据空间结构类型,自适应融合前后两者的滤波结果。然后通过实验定性和定量地评价了该方法在斑点噪声抑制、空间结构和散射机制保持方面的性能。其次为克服斑点噪声的影响,充分发挥极化数据的优势,结合自适应极化最优对比增强技术(Adaptive Optimal Polarimetry Contrast Enhancement, AOPCE)和均值比(Ratio of Averaging, ROA)算子提出了一种自适应对比增强-均值比(AOPCE-ROA)边缘检测算法,能得到不同极化方式下边缘响应的最大值,并推导了其快速处理方法,最后从理论上分析了其余ROA算子的关系,并推广到了更一般的情况。同时,利用模拟数据和真实数据进行了实验,结果表明该方法利用极化合成技术,提高了极化信息利用率,更好地克服了噪声影响,得到了更好的边缘检测结果。接着针对道路提取中只对道路类别感兴趣而很少关心其他类别的问题,将基于结构风险最小化和核思想的支持向量数据描述单类分类算法引入极化SAR影像的监督分类中,并讨论了极化SAR单类分类中的特征选择与分类参数优化问题,通过实验验证了该算法在小样本单类监督分类中的有效性。在此基础上,综合极化支持向量数据描述单类分类的结果和线状特征检测结果,提出了道路种子点指数,并用于自动提取道路种子点,实验表明该方法提高了道路跟踪中初始化的效率。然后针对SAR影像上道路受其它地物干扰严重的问题,在自适应贝叶斯滤波框架下,提出了初始化→预测→观测→校正的道路迭代跟踪方法。该方法建立了道路跟踪的离散系统模型,利用基于线性畸变模型的加权最小二乘多视匹配方法获取道路中心观测值,并基于自适应贝叶斯滤波方法充分地利用已有观测值,通过自适应地调整步长迭代的方法实现道路跟踪。利用开发的道路跟踪原型软件系统进行了实验,结果表明改进方法充分利用了贝叶斯两种实现形式卡尔曼滤波和粒子滤波的优势,提高了道路提取的效率。最后利用偶极子对输电线的极化散射特性进行了建模,,先分析了影响输电线后向散射的雷达入射角和极化方位角,然后根据输电线和背景杂波的方位向对称性差异,基于同极化和交叉极化的相干系数及其分布,提出了该特殊线状目标的恒虚警率检测方法。其中相干系数在Hough域进行估首,保证了样本总数足够多且都来自可能的输电线像素,提高了估首精度；对沿着方位向满足方位对称的输电线,人为引入极化方位角,使输电线与背景得到有效区分。最后使用模拟数据和机载P波段极化SAR影像验证了所提方法的有效性。(本文来源于《武汉大学》期刊2013-04-01）
任宗[4]（2012）在《基于样本的线状目标提取及后处理方法研究》一文中研究指出在数字图像处理中,特定目标的识别与检测是自动目标识别的关键技术之一。线状目标作为数字图像的重要特征与组成部分之一,在很大程度上决定着目标识别的品质。数字图像在进行线状目标特征提取时由于方法所限和数字图像自身的关系,往往存在一些缺陷。本文从道路与视网膜两种线状目标出发,着重研究了基于样本的线状目提取与后处理工作。其主要思想是指通过通过对目标中已标记样本进行比较,从而获得基于目标样本数据的统计模型。本论文的主要内容如下：1)针对道路提取初步结果进行后处理,在根据道路长度、曲率等特点进行去杂后,利用测地距离中最短路径的思想对道路进行连接,从而得到道路提取的完整结果。2)对现有视网膜血管分割方法对细小血管分割效果不理想的问题进行了改善,提出了将比值作为细小血管的一种特征,在现有分割结果的基础上检测细小血管并对其比值特征进行建模,最后通过向已知血管点邻域内不断添加比值符合细小血管特征的像素点,从而最终完成细小血管的分割,并与原有分割结果做了对比实验。3)利用块之间的相似性,提出了一种基于块相似性的视网膜血管目标去伪方法。首先通过计算2)中提到的比值,确定血管样本；再通过检测平滑区域来确定背景样本。然后通过计算像素点分别属于两类样本的权值,从而得到像素点属于两类样本点的概率。最后通过比较像素点分别属于两类样本的概率完成最终的去伪过程,实验证明后处理后的结果较之原有结果有更高的正确率。本论文工作得到了国家自然科学基金(61072106)、教育部长江学者和创新团队支持计划(IRT0645)以及中央高校基本科研业务费专项资金(JY10000902032)的资助。(本文来源于《西安电子科技大学》期刊2012-01-01）
常静,张波,王超,张红[5]（2010）在《高分辨率SAR图像线状目标提取方法研究》一文中研究指出本文针对高分辨率SAR影像进行城区河流、道路提取的算法研究,提出将纹理、面状和空间区域叁种特征结合的方法。首先基于多尺度分析技术,结合面向对象的分割算法提取初始目标,之后使用灰度共生矩阵对目标及周边背景纹理进行差异对比分析去除误目标。与传统边缘检测方法相比,本文方法充分利用高分辨率SAR影像带来的纹理细节信息,并综合考虑目标的多种特征因素,增强了目标提取的可靠性,实用性强。(本文来源于《微计算机信息》期刊2010年14期）
赵建泉,周绍光,施海亮[6]（2007）在《遥感影像上线状目标提取方法研究》一文中研究指出遥感影像线状目标(主要是指道路)的提取是一个经典研究项目。本文首先基于相位编组的思想,确定出若干个局部图像的主方向,再利用对应方向的Sobel算子进行检测,最后对所得结果进行细化。实验证明,该方法对于图像中弱边界的识别是很有效的。(本文来源于《四川测绘》期刊2007年02期）
赵建泉,周绍光,施海亮[7]（2006）在《遥感影像上线状目标提取方法研究》一文中研究指出遥感影像线状目标(主要是指道路)的提取是一个经典研究项目。本文首先基于相位编组的思想,确定出若干个局部图像的主方向,再利用对应方向的Sobel算子进行检测,最后对所得结果进行细化。实验证明,该方法对于图像中弱边界的识别是很有效的。(本文来源于《城市勘测》期刊2006年06期）
郭海涛,张衡,张保明,陈江[8]（2004）在《GIS数据辅助下的线状目标自动提取》一文中研究指出首先介绍了遥感影像中线状目标骨架自动提取的意义和研究现状,然后结合老的GIS数据,提出了一种算法来实现遥感影像中线状目标骨架的自动提取,算法主要包括影像预处理、GIS数据与影像的配准、骨架跟踪、编组连接与数据简化等步骤。最后又利用遥感影像和相应的GIS数据进行了实验,实验证明了算法的可行性和有效性。(本文来源于《测绘学院学报》期刊2004年04期）
郭海涛,张保明,徐青[9]（2004）在《一种从遥感影像中自动提取线状目标的方法》一文中研究指出介绍了遥感影像中线状目标骨架自动提取的意义、研究现状以及影响线状目标自动提取的主要因素。在吸收国内外一些好的算法优势的同时,充分考虑了影响线状目标提取的两大主要因素,提出了一种新的算法来实现遥感影像中线状目标骨架的自动提取,并利用了多种中小比例尺的影像进行了实验,实验证明了算法的可行性和有效性。(本文来源于《信息工程大学学报》期刊2004年04期）
刘新贵,孙群,张鹏,黄雅娟[10]（2004）在《彩色图像中线状目标提取的透镜跟踪法》一文中研究指出地形图扫描矢量化是矢量数据获取的主要途征,以往的方法主要是先将彩色扫描图二值化或者进行分层处理,再实施要素跟踪,这样容易造成要素断裂和数据的不完整。为了克服图像细化和分层的影响,在线状目标的半自动跟踪中,提出了一种基于后台区域细化,然后匹配跟踪的算法,即透镜跟踪法,实现了直接在24位扫描图像上的线划跟踪。该算法在多比例尺地形图上进行了大量数据采集实验,并成功运用到作者组织的数字化生产中,结果表明可以大大提高追踪速度和准确率,通过后期的处理,跟踪出的数据基本满足生产的需要,在实际生产中能发挥积极的作用。(本文来源于《测绘科学》期刊2004年03期）
线状目标提取论文开题报告
（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：
对机场目标识别的研究,从军事角度上可以帮助制导武器在末制导阶段自动识别敌方机场,通过摧毁敌方机场目标,瓦解敌方空军,对实现低成本打击、精确打击目标有很大的促进作用,从民用角度上实现民用飞机的自动导航,可以提高民航系统的安全度,确保飞机的稳定降落。如何从航拍图像中准确快速的提取机场目标,并将整个目标识别的过程可视化的研究工作是具有重大的理论价值和实际意义的。首先,本文针对机场跑道是机场中最明显、最规则、最能反映机场位置信息的建筑物这一特点,检测出机场跑道的位置,相应就得到了机场位置。因此本文围绕机场跑道的检测,研究了机场图像的线状特征提取算法,从图像空间到参数空间的“一对多”映射方式、累加器的唱票方法和端点检测等方面指出传统Hough变换应用于机场检测的局限性,并利用机场的先验知识驱动策略,提出了针对机场目标提取的改进Hough变换,较之传统Hough变换检测时间和正确率分别提高了30%、70%,并引入了国际上在线段检测上正确率最高的LSD算法,辅助以机场中跑道的长度门限值范围、宽度限制和跑道平行等特征,对保留线段检测出机场跑道的边缘。其次在实际的侦察机探测图像时,获取机场位置是通过不止一幅图像确定的,是通过多幅连续的序列图发现、验证、确认的。本文针对沿着直线段飞行的侦察机这一特例,考虑无人机的飞行距离、探测器延时等情况,采用截断分块处理探测图像的方法,能够在保持原有正确率的基础上,检测时间缩减为原来的22%。最后选用Vega Prime、MapX等开发工具,在VC++开发平台下,通过Socket接收机载端发送的无人机、导弹和机场目标的空间位置信息,将整个侦察机起始阶段巡查、发现目标的过程在叁维视景窗口、二维GIS窗口更真实的展现给地面观测人员。最终的实验结果,表征本文中针对机场的改进Hough变换和LSD算法对机场检测能满足实际应用,地面监控可视化平台也能实时观测整个检测过程。
（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。
线状目标提取论文参考文献
[1].李青.线状目标提取技术研究及应用[D].大连理工大学.2015
[2].陆浩.基于线状特征提取的机场目标识别技术[D].电子科技大学.2014
[3].邓少平.高分辨率极化SAR影像典型线状目标半自动提取[D].武汉大学.2013
[4].任宗.基于样本的线状目标提取及后处理方法研究[D].西安电子科技大学.2012
[5].常静,张波,王超,张红.高分辨率SAR图像线状目标提取方法研究[J].微计算机信息.2010
[6].赵建泉,周绍光,施海亮.遥感影像上线状目标提取方法研究[J].四川测绘.2007
[7].赵建泉,周绍光,施海亮.遥感影像上线状目标提取方法研究[J].城市勘测.2006
[8].郭海涛,张衡,张保明,陈江.GIS数据辅助下的线状目标自动提取[J].测绘学院学报.2004
[9].郭海涛,张保明,徐青.一种从遥感影像中自动提取线状目标的方法[J].信息工程大学学报.2004
[10].刘新贵,孙群,张鹏,黄雅娟.彩色图像中线状目标提取的透镜跟踪法[J].测绘科学.2004