基于航空遥感的交通信息监测关键技术研究

【类型】学位论文

【作者】张帅毅 

【关键词】 航空遥感 交通监测 车辆检测 车辆追踪 机器学习

【摘要】近年来国内交通拥挤、交通事故频繁等交通问题日益突出,交通问题已经成为制约城市经济和社会发展的主要问题之一,解决交通问题己迫在眉睫。构建智能交通系统(ITS),运用高新技术来改造和管理现有交通系统,建立高效、便捷的路网管理体系来满足日益增长的交通需求是解决交通问题的公认出路之一。交通信息采集作为ITS的基础设施,是ITS实施的关键所在,考虑到当前地面传感器监测成本高、交通信息监测范围有限等不足,迫切需要大范围交通信息监测技术手段,而遥感(RS)对地观测技术以其全天候、大范围、无接触等特点为交通信息监测带来了新思路、新手段,为大范围交通信息监测提供了可能性,特别是航空遥感,与航天遥感相比具有高机动性、高分辨率等优点,目前广泛应用于交通信息监测研究。为此本文针对航空遥感交通信息监测应用中的若干关键技术进行了研究,首先研究了航空影像场景分类问题,场景分类提供的语义约束是提高交通信息监测效率的关键；其次为了保证航空影像车辆检测结果的空间基准一致以及交通信息监测的准确性,研究了面向运动目标监测的航空影像配准方法；然后采用梯度方向直方图特征(HoG)+支持向量机方法(SVM)及深度学习方法,分别研究了航空影像车辆识别与定向技术；最后引入多尺度影像分析技术,研究了航空影像车辆快速检测方法,并基于带权二分图匹配方法研究了基于离散检测的车辆连续追踪技术。本论文的主要研究工作和创新性成果有以下几方面：1、针对手工设计特征的不足,研究了一种特征自学习的航空影像分类方法,与手工设计特征不同,所提方法通过无监督自学习得到局部特征提取方法,不需要先验知识指导；并基于图像卷积特征提取实现了航空影像分类,与基于手工设计特征的面向对象方法进行了比较,研究发现特征自学习方法训练过程简单,且复杂场景分类结果的Kappa系数提高了6%,分类精度优于手工设计特征方法。2、针对面向运动目标监测的航空影像配准过程中像点投影差的影响,设计了一种基于贝叶斯决策理论的像点投影差消除方法。首先设置样本区训练贝叶斯决策分类器,用于消除地形起伏对特征点匹配的影响,然后基于最小二乘方法估计影像变换矩阵；最后对比分析了像点投影差消除前后影像配准差分视觉效果和信息熵的变化。研究发现同一视平面上像点投影差呈正态随机分布,且所提方法可以有效剔除非基准面匹配,投影差消除后影像配准差分结果信息熵减小约10%,影像配准效果改善。3、改进了一种基于道路约束的自适应车辆检测方法,通过将车辆检测过程描述为多维空间(影像平面、尺度、角度)最佳响应搜寻问题,采用少量样本构建HoG+SVM车辆分类器,通过道路约束优化多维待检测空间,最后在多维空间中搜寻最佳响应得到车辆识别与定向结果。研究发现基于机器学习的车辆检测过程中好的检测器与好的分类器一样重要；并且所提方法能够检测出航空影像中任意方向车辆,与非约束方法相比检测效率更高。4、研究了一种基于深度学习的车辆检测方法,首先基于深度卷积网络构建车辆识别模型,以原始光谱值作为输入,采用样本训练方法学习网络模型参数,得到车辆识别模型；其次将车辆定向描述为回归问题,引入迁移学习机制,将车辆识别模型训练过程中得到的特征提取方法迁移到车辆定向模型中采用样本训练得到车辆定向模型。研究发现所提方法车辆识别结果的ROC曲线下面积(AUC)达到0.99；车辆定向精度优于基于HoG+SVM的多维空间检测方法,且一次检测即可定向,定向效率高。5、改进了一种基于多尺度影像分析的航空影像车辆快速检测方法,采用多尺度图像分割技术将航空影像划分为若干有意义的图斑,采用逐级细化的思想实现车辆的快速检测；然后将车辆追踪描述为二分图匹配问题,通过定义距离、角度、相似度权重,构建二分图权重矩阵,采用匈牙利算法进行解算,得到车辆追踪结果。研究发现多尺度影像分析方法与滑动窗口检测方法相比,效率显著提高；二分图匹配车辆追踪轨迹完整性(TCF)为0.96、追踪误差(TE)约3.13像素,追踪结果可用于道路宏观及微观交通状况分析。

【学位名称】博士

【学位授予单位】西南交通大学

【学位授予年度】2016

【导师姓名】李永树

【读秀链接】读秀链接