论文部分内容阅读
进入空间和信息时代，人们对地球表面的地物信息给予了更多的关注，遥感技术和计算机视觉技术的迅猛发展为人们快速、准确的获取地物信息提供了丰富的数据来源和技术平台。航空摄影是最普通、最常用和最经济的一种遥感形式，居民地是人类居住和活动的区域，是一类重要的地物信息，因此实现高分辨率城市航空影像中居民地的自动提取对城市扩张监控、人口流动预测、疾病预防、环境评估和军事探测等有着重要的作用，对经济和国防建设有重要的意义。本文在国家自然科学基金项目“基于认知信息论的遥感影像识别”(No.60572102)的资助下进行了如下研究工作：
1、在认知信息理论的指导下，建立了居民地的OAR模型，并给出了在人脑知识指导下OAR模型描述的抽象机制用以描述航空影像中居民地，讨论了基于OAR模型的居民地识别策略，为实现居民地的自动提取奠定了理论基础。
2、基于居民地的OAR模型，设计了一个自下而上基于对象的多尺度居民地分割算法，利用灰度共生矩阵法提取了影像在不同尺度下的纹理特征，通过一个多层次固定类别参数的无监督聚类方法，完成了对居民地的分割。
3、基于居民地的空间几何特征(以直线为主)和尺寸特征(通常居民地面积比较大)，利用形态学算法对居民地的分割结果进行了轮廓提取，最终使得居民地边界有更好的视觉效果和更高的精确度。
4、从消息传递编程模型、数据划分方式、任务分配模式及整个系统的实现框架四个方面对居民地自动提取的并行实现进行了整体上的设计。完成了并行模糊聚类算法、基于记忆的并行Hough直线检测算法和基于线段扫描的目标区域描述并行算法，并获得了较好的线性加速比。