遥感图像目标多尺度特征分析

地面目标在不同尺度的遥感影像中表现出不同的特征,对自动目标识别的准确性有很大影响。基于多分辨率遥感影像,研究典型图像目标的识别技术,给出了多尺度图像目标识别框架。首先针对不同尺度的遥感影像,分析了每个尺度上目标识别的有效特征。然后在提取典型目标的多种特征基础上,对这些特征进行尺度相关性分析,并研究不同的尺度对目标形状结构等特征产生的影响。实验结果表明,基于多分辨率遥感影像的识别框架可以有效地实现图像目标的分析与识别。     

基于闭合轮廓提取和部分特征匹配的飞机识别

飞机识别在军事遥感中具有重大意义。该文针对以往飞机识别方法的不足，为更准确地对高分辨率可见光机场区域图像进行飞机目标的定位和型号判别，提出了一种基于闭合轮廓提取，并通过部分特征匹配进行机型识别的疗法。首先对图像进行各向异性扩散处理，提取闭合轮廓并进行儿何特征分析，定位飞机目标，提取目标的关键特征参数，实现机型判别。实验证明，该方法具定位准确、识别率高，可准确识别飞机型号，能得到比较精确的飞机外形描述，可有效对抗阴影、遮挡等干扰，具有很好的稳健性。随着遥感成像技术不断发展，图像分辨率越来越高，能够获得更准确、更完整的飞机轮廓，因此，这种方法具有很好的发展趋势．     

一种有效的可见光图像中水坝目标的识别方法

提出了一种在中高分辨率可见光图像中识别水坝的有效方法。根据源图像的分辨率采样图像，利用梯度直方图及区域增长获得水坝上游的大面积水域，用链码表示大面积水域，找寻下游水域，分割可能包含水坝的区域；在初步分割的基础上，提取目标的一组特征参数。算法具有检测率高、扩展性好等特点。实验证明该算法能够有效地在中高分辨率可见光图像上识别水坝。     

基于区域生长的道路和桥梁识别方法的研究

针对高分辨率可见光图像中的道路和桥梁目标,提出了一种基于区域生长的道路和桥梁自动识别的方法。利用区域生长对原始图像进行粗分类,有效去除利用Canny算子进行边缘检测后得到的“弱边缘”,然后利用规则去除无效线段,再检测平行线,对不连续的线段进行连接,最后根据目标模型的特征标识出道路和桥梁目标。实验结果表明,在不需要人工干预的条件下,该方法能够快速有效地自动识别出道路和桥梁目标。     

基于深度协同稀疏编码网络的海洋浮筏SAR图像目标识别

浮筏养殖广泛存在于我国近海海域, 可见光遥感图像无法完全准确地获取养殖目标, 而基于主动成像的合成孔径雷达(Synthetic aperture radar, SAR)遥感图像能够得到养殖目标, 因此采用SAR图像进行海洋浮筏养殖目标识别. 然而, 海洋遥感SAR图像包含大量相干斑噪声, 并且SAR图像特征单一, 使得目标识别难度较大. 为解决这些问题, 提出一种深度协同稀疏编码网络(Deep collaborative sparse coding network, DCSCN)进行海洋浮筏识别. 本文方法对预处理后的图像先提取纹理特征和轮廓特征, 再进行超像素分割并将同一个超像素块特征组输入该网络进行协同表示, 最后得到有效特征并分类识别. 通过人工SAR图像和北戴河海域浮筏养殖SAR图像的实验验证所提模型的有效性. 该网络不仅具有优异的特征表示能力, 能够获得更适合分类器的特征, 而且通过近邻协同约束, 有效抑制相干斑噪声影响, 所以提高了SAR图像目标识别精度.     

大尺度遥感图像中港口目标快速识别

提出一种在大幅面灰度遥感卫星图像中快速识别港口目标的方法.通过对图像多分辨率处理,采用阈值方法进行海洋和陆地的分割,并在基于块的统计特征表示方法的基础上,建立快速分割中、小型港口候选区域方法,再根据港口的固有特征(半封闭区域)实现快速的港口目标识别.通过18幅大尺度图像对算法进行测试,测试结果显示算法能够在不到3s时间内识别一幅10000像素×10000像素图像中的港口,识别正确率为93.9%.     

基于小波变换和数学形态学的遥感图像人工建筑区提取

为了快速定位中高分辨率可见光遥感图像中的人工建筑目标,一般需要先对目标进行粗定位,提取人工建筑区域。根据遥感图像中的不同地貌具有不同的频谱特性,人工建筑区相对其他区域具有较高的频率,提出了基于小波变换和数学形态学的遥感图像人工建筑区提取算法。该算法先对遥感图像进行小波变换,将不同地貌的信息转换到不同频带,再对高频信息进行融合,并将融合后的高频信息中幅度变化剧烈的区域看作"山峰",变化平稳的区域看作"盆地",最后采用形态学重建的方法提取人工建筑区,实验结果表明,该算法具有快速性和准确性的特点。     

基于卷积神经网络的遥感图像目标识别仿真

在遥感图像中,目标往往位于复杂的地物背景中,包括不同类型的植被、土地覆盖、建筑物等。上述复杂的地物背景对目标识别造成了困难。为了精准识别遥感图像目标,提出一种卷积神经网络下遥感图像目标识别算法。将暗通道原理和双边滤波算法有效结合,对遥感图像展开增强处理。统计分析遥感图像目标尺度范围,通过训练和测试卷积神经网络,得到最佳目标感兴趣区域尺度。确定目标感兴趣区域最佳尺度后,构建基于卷积神经网络的遥感图像目标识别架构,完成遥感图像目标识别。通过实验分析证明,采用所提算法可以有效提升遥感图像增强效果,具有较好的遥感图像目标识别性能。     

采用独立分量分析Zernike矩的遥感图像飞机目标识别

为了提高遥感图像目标自动识别系统的准确性,提出了一种新的采用独立分量分析(ICA)Zern ike矩的飞机目标识别方法.首先对分割后的目标区域进行独立分量分析处理,将待识别目标形状转换到标准形式,然后对标准化后的图像目标提取Zern ike矩作为特征向量进行识别.通过实验表明此方法具有鲁棒性,能有效地消除遥感图像目标尺度、旋转、平移、反转和扭曲影响,能够有效地识别遥感图像飞机目标.     

一种掌纹图像感兴趣区域的提取方法

掌纹识别是生物特征识别中的一种,由于其分辨率要求低、设备成本低、用户易接受等优点受到众多研究者的关注。从一幅掌纹图像中,找出感兴趣的目标区域（ROI）,使之从图像背景中分离出来,这是掌纹特征提取和进行进一步匹配的关键步骤。论文提出一种新的感兴趣区域的提取方法：首先使用全局阈值对原掌纹图像进行二值化处理,并提取出手掌的边缘,然后使用食指和中指、无名指和小指之间的指缝确定一个斜率,再计算出手掌部分的中心,并据此建立一个新的坐标系,最后以此坐标系原点为中心提取出一个128×128的感兴趣区域。实验结果证实了该方法与相关文献所提方法相比更加有效。     

一种Beamlet变换下的图像边缘检测算法

Beamlet变换是一种多尺度分析的有效工具。对基于Beamlet变换的线特征提取算法进行改进,提出一种表示Beamlet上图像灰度值加权平均的算式,提出在图像子块内沿Beamlet的各个方向搜索边缘,形成一种图像边缘检测的新算法。从检测到的边缘连贯性等方面对该算法的性能进行了评价,将该算法应用于车道线等图像的边缘检测和车道识别。实验结果表明,该算法检测到的边缘连贯性好,算法的错检率和漏检率低,且具有较强的提取线特征的能力;检测到的边缘线段包含位置、方向等信息,便于对车道等目标进行识别;算法的缺点是：抗噪性不够好且计算较为复杂,有待改进。     

A real-time road pricing system: The case of a two-link parallel network

A real-time road pricing system in the case of a two-link parallel network is proposed in this paper. The system that is based on a combination of Dynamic Programming and Neural Networks makes “on-line” decisions about road toll values. In the first phase of the proposed model, the best road toll sequences during certain time period are calculated off-line for many different patterns of vehicle arrivals. These toll sequences are computed using Dynamic Programming approach. In the second phase, learning from vehicle arrival patterns and the corresponding optimal toll sequences, neural network is trained. The results obtained during on-line tests are close to the best solution obtained off-line assuming that the arrival pattern is known.     

彩色公路地图的道路自动提取

首先采用模板匹配、特征抽取等方法提取城市和道路的标识，这些标识对后面的道路的提取有着重要的作用；然后根据道路的等级，在颜色基础上利用道路的特征分层提取道路图层；最后对道路进行细化，依据城市与道路，各种道路间的关系以及道路的特征建立一系列的判据，检查道路的合理性，并产生相应的策略对道路进行反馈处理，实现道路的全自动提取．实验结果表明了该方法的有效性．     

无人机摄影测量点云道路自适应提取

在无人机摄影测量中, 针对传统的地面点云提取方法对图像点云数据中的道路提取适应性较差的问题, 本文提出了一种无人机摄影测量点云道路自适应提取方法. 首先, 根据点云的空间几何特征将点云划分为3个类别; 然后, 针对非道路的点云类别采取相应的方法进行剔除; 最后, 对经过自适应提取方法得到的点云数据进行滤波平滑和基于颜色的区域生长分割处理. 实验结果表明, 该方法提取的道路点云的I类误差为4.97%, II类误差为1.14%. 该方法能够有效地提取目标道路路面, 提高了无人机摄影测量工程应用中点云数据处理的效率.     

Road Extraction from High Resolution Remote Sensing Image based on Shape Analysis with Gestalt Theory

Simulating the psychological experience of human vision，a road extraction model based on the format tower is proposed to extract the road in the high resolution remote sensing image from the perspective of morphology.Firstly，based on the spectral and texture information，the suspected road targets are extracted by using segmentation technology.Then these targets are classified according to their reliability and extract the road targets for each category.Finally，three types of identified road information are verified and merged，and the continuous smooth road extraction results are obtained.Experiments on real high resolution images show that the results are consistent with the visual perception of the human eye，and the overall classification accuracy is higher，indicating that the algorithm is effective and feasible and has good use value.     

一种新的道路标志统计识别方法

提出了一种用于室外移动机器人的道路标志自动统计识别方法。针对我国道路标志图像的基本特征,全面分析转弯道路标志图案后发现:图像的全局特征更易被检测到,而且更不易受到噪声和较小局部失真的影响。提出以全局特征为立足点,采用图像的灰度均值为主要特征量的特征选择与提取方法。在此基础上,分析道路标志图案的分块机理,采用投影和方向特征的处理方法,得到了9个转弯道路标志的特征不变量值。试验结果表明,有噪声的情况下,该方法能够实现对道路标志图案的快速、准确识别,具有较好的抗干扰能力。     

一种基于模糊理论的车辆识别方法

针对路桥收费时的“瓶颈”问题,提出了一种快速可行的车辆识别方法。根据车辆的几何等特征,采用模糊理论,对车辆进行识别。实验结果说明,该方法在速度和准确率方面都达到了令人满意的效果,为车辆的在线检测提供了一种新思路。     

路桥收费数据的实时处理

本文讨论了路桥收费数据实时处理中遇到的几个问题．给出了一个较为完整的路桥收费管理 系统的数据流模型．讨论了收费数据处理方式和处理要求．重点讨论了收费流水数据的处理 方式．提出了支持收费流水数据实时处理所须的计算机网络数据库系统方案．最后,给出了 给出了两个基于局域网、微机服务器、Microsoft Windows NT 4.0 、 Microsoft SQL Serv er 7.0 配置的低成本的系统实现实例     

一种子像素精度SAR图像目标峰值提取方法

SAR图像目标峰值是SAR图像目标识别的重要特征 ,它本质对应于目标散射中心 ,目标峰值提取是SAR图像目标识别的一个重要步骤。基于峰值SAR图像目标识别系统要求目标峰值提取方法应具有快速、高精度的特点。现有的SAR图像目标峰值提取方法精度较低 ,其对目标峰值位置的估计精度只能达到像素级。为了提高SAR图像目标峰值提取精度 ,该文在分析SAR图像峰值模型基础上 ,提出了一种子像素精度SAR图像目标峰值提取方法 ,并通过仿真实验 ,分析了该方法对目标峰值位置、幅度的估计性能 ,结果表明在SNR =2 0dB的情况下 ,该方法对目标峰值位置估计的标准偏差 <0 .1个像素 ,峰值幅度估计的标准偏差小于 0 .0 5 H(这里H表示目标峰值的真实幅度 ) ,文中还给出了该方法对实测MSTARSAR图像的目标峰值提取结果。