摘要: |
快鸟卫星是美国Digital Globe公司所拥有的商用高分辨率光学卫星,其影像分辨率高达61厘米。这种高分辨率卫星数据已经被广泛应用于国土、规划、测绘、遥感等领域,在交通领域的应用也越来越深入。由于在快鸟卫星影像上能清楚地观测到车辆,因此利用它来辅助交通监控越来越得到人们的关注。
为了能从快鸟图像上分类出车辆目标,本文使用了一种纹理分析结合神经网络的方法来对快鸟图像进行分类。首先对快鸟图像进行预处理,预处理包括对图像进行适当的放缩,裁剪。通过实验分析,需要对预处理后的道路片断进行图像增强,然后选取图像典型区域,对快鸟图像进行纹理分析,此阶段使用灰度共生矩阵法计算出3个对快鸟图像最敏感的纹理特征值,并结合像元的灰度值组成图像的特征矢量。考虑到神经网络具有自组织、自学习、自适应和联想能力,通过对样本反复训练,能辨别各类样本特征的优点,决定选择用神经网络对提取出的特征矢量进行训练。
本文最终选用了径向基神经网络(RBF)和概率神经网络两种常用的神经网络模型对图像中道路和车辆等物质进行训练,等到网络收敛后,用待识别的图像测试分类识别的效果。通过实验分析两种网络模型对快鸟图像的识别效果和分类精度,发现这两种网络模型都能够达到令人比较满意的效果,而且概率神经网络分类模型在识别效果及分类精度上都优于径向基神经网络。
|