高分辨率遥感图像中城区建筑物自动测绘方法研究

针对高分辨率遥感图像中城区建筑物结构复杂、形状多样、易受背景干扰等特点,本文提出了一种城区建筑物自动测绘方法：首先引入条件随机场融合多类特征,得到目标存在区域;然后利用提出的分层次目标过程模型,获得各目标定位及轮廓描绘;最后采用角点检测方法,标绘出目标的矢量形状。实验表明,该方法适用于多类城区建筑物的自动测绘,准确率高、鲁棒性好,在地理信息系统和数字城市系统建设中具有较强的实用价值。     

一种基于双阈值区域分割的SAR图像目标提取方法

本文提出一种基于"双阈值"的区域生长算法。该方法首先对图像中感兴趣的区域进行分割,通过阈值的选取对已分割区域进行合并与剔除虚警来提取感兴趣的目标。采用国产机载SAR图像,以大中型建筑物为例进行了实验。实验结果表明该方法能够有效地提取目标特征,进行区域分割。     

基于LIDAR点云分类进行建筑物自动提取的研究

随着LIDAR技术在输电线路勘察设计的广泛应用,如何自动提取输电线路的房屋等建筑物成了一个新课题。以正确分类LIDAR点云为目标,综合利用不同类别目标点云的回波特征以及地形信息,本文提出了一种基于区域多次回波密度分析的LIDAR点云分类方法。该方法通过线性预测分离地面点和非地面点,同时将点云构建TIN获取封闭的等高线,利用等高线间的拓扑关系及形状相似性获得等高线族区域,统计每一区域的多次回波点云密度信息,通过建筑物和树木区域多次回波点云在区域密度上的巨大差异来识别出建筑物点云和树木点云。该方法充分利用了建筑物表面与植被间多次回波特性的差异,同时又不否定建筑物边缘同样存在的多次回波现象,通过等高线区域自适应的确定待识别目标的区域大小,弥补了传统LIDAR点云分类方法的不足,因而能够较其它方法更准确的分类LIDAR点云,为建筑物自动提取、树木自动提取等研究提供了保障,并通过试验验证了该方法的有效性。该研究为利用LIDAR技术进行输电线路GIS自动采集房屋提供了一种新方法,大大减少了外业采集房屋面积的工作量。     

基于射线理论的建筑物SAR图像仿真方法

基于物理光学法（PO）和射线理论构建了建筑物目标的多次散射模型,并结合雷达成像原理,提出了一种基于射线理论的建筑物SAR图像仿真方法,在此基础上,本文对平顶和尖顶建筑物目标进行了SAR图像仿真,仿真结果表明,该方法得到的SAR图像可以有效的获得建筑物目标SAR图像的多径散射特征。该方法为建筑物SAR图像的信息提取和三维重建工作提供了有利的研究工具。     

采用样本自动选择的建筑物遥感场景分类方法

目前遥感图像建筑物场景分类方法多采用人工标注样本，标注过程需要大量时间。针对该问题，提出了一种采用样本自动选择的高分遥感建筑物场景分类方法。首先，建立光谱特征、几何特征和深度特征的多维高分遥感图像影像对象特征空间；其次，采用决策树初步提取建筑物，构建建筑物场景密度直方图；然后，采用自然间断法对建筑物密度分级，并采用比例法分别在每类场景中提取部分场景图像作为训练样本；最后，采用ResNet50网络对建筑物场景分类。以辽宁省沈阳市浑南区为研究区域和Google Earth遥感图像为实验数据，实验结果表明本文方法能够实现非监督场景分类，总体分类精度和Kappa系数分别为089和082，较原有样本选择方法分类精度提高了3%和8%。     

基于分块差分与背景减除的运动检测

本文提出了一种基于分块的帧间差分与背景减除相结合的运动目标检测方法.该方法中,运动目标检测分两步进行,在粗分割阶段,首先把视频图像划分为多个子块,用帧间差分对运动图像各个子块进行检测,分离出背景区域和前景区域,背景区域用来构造和更新背景模型.一旦背景构造完成后,便可以对粗分割出的运动区域采用背景减除方法进行细分割,检测出精确的运动目标.使用帧间差分获取的背景区域构造和更新背景,能有效地把停止的运动目标融入背景,同时也能去除场景中突然运动的目标原来位置所留下"鬼影".实验结果表明,该方法克服帧间差分提取目标不精细缺点,解决了背景减除方法中背景构造更新的困难,能够对监控场景中运动目标进行精确检测,对光线变化、背景干扰不敏感,具有较好的鲁棒性和实时性.     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

基于降采样和改进Shi-Tomasi角点检测算法的PCB图像拼接

针对大型多重复单元PCB图像拼接耗时长、拼接错误率高等问题,提出了一种快速鲁棒的图像拼接方法.对采集到的高分辨率PCB图像进行降采样,基于人工选点精准获取含重叠区域的图像单元作为配准区域;引入抑制半径的方法对Shi-Tomasi角点检测算法进行改进,使提取出的区域特征点分布更加均匀;使用暴力匹配方式分别对区域特征点进行粗匹配并通过RANSAC算法剔除误匹配点对后获得配准系数矩阵;结合仿射变换公式推导计算出原图像的配准系数矩阵,根据配准系数矩阵对待拼接的图像进行融合,得到完整的PCB拼接图像.实验结果表明,所提出的PCB图像拼接方法,加快了PCB图像拼接的速度同时也提高了特征点匹配精度,在对图像降采样8倍下,改进的Shi-Tomasi算法较传统的Shi-Tomsi算法和Harris算法在匹配正确率上分别提高了7.8％和4.0％,验证了该方法的可行性.     

交通监控系统中车辆和行人的检测与识别

本文提出一种应用于智能交通监控系统的车辆和行人的检测和识别方法.首先结合帧间差分,对交通监控场景的视频图像序列建立动态背景模型,然后用背景消除法对监控视频中的运动目标进行有效检测,提取出运动目标的轮廓.最后采用支持向量机,对检测出运动目标进行快速识别.实验结果表明,该方法能够快速准确地在监控视频中对运动的车辆和行人进行检测和分类识别,对快速交通通道中非法行人入侵进行自动报警.     

多尺度形态重构的微弱弹道轨迹检测

本文提出了一种多尺度形态重构的微弱弹道轨迹检测方法.该方法先用形态学灰值重构算法对序列图像进行背景估计并作二值化处理,提取出序列图像中的可疑目标.然后根据炮弹的凝聚特性对二值图像进行多尺度形态二值重构,消除二值图像中的大量虚警目标,最后根据炮弹的运动特性进行多帧数据融合检测弹道轨迹.仿真实验表明该方法能稳定检测出序列图像中的微弱弹道轨迹.     

模糊B样条基函数神经网络的遥感图像分类器

本文针对遥感图像分类的特点，提出了一种基于模糊B样条基函数神经网络的遥感图像分类器。该分类器采用B样条函数作为模糊隶属函数，将模糊技术与神经网络相结合，利用神经网络实现模糊推理，从而使系统具备了自适应的特性。实验结果表明，这种基于模糊B样条基函数神经网络的分类器经过训练后，可应用于遥感图像的分类，其分类精度明显高于传统的最大似然分类法。     

基于改进型U-Net的遥感云图分割方法

云检测是遥感图像预处理的重要步骤,云检测精度直接影响后续遥感图像应用的准确性,针对现有云与云阴影分割任务中,泛化能力差,误检漏检现象严重的问题,本文提出了一种改进型U-Net网络模型,该模型以U-Net为主干网络,加入高效通道注意力机制,修改激活函数。将遥感图像作为输入,放入基于高效通道注意力的U型云图分割模型中进行训练,在获得最优权重后,输出包含云区域、云阴影区域和背景区域的遥感图像分割结果。实验结果表明,相比于现有分割模型,本模型在云和云阴影的分割任务中参数量最低,准确率最高,泛化效果最好。     

遥感云图纹理特征提取算法实时加速设计

为了解决灰度共生矩阵对遥感云图特征提取实时图像处理过程中算法复杂度高,运算时间长,数据运算量大等问题,提出了一种Vivado HLS实现卫星遥感云图特征提取算法的硬件加速方法。通过对灰度共生矩阵纹理特征提取算法以及Vivado HLS硬件加速设计进行研究,利用Vivado HLS对灰度共生矩阵纹理特诊提取进行硬件加速,并且封装为可调用的IP核,将PC端遥感云图处理结果与Zynq7020硬件加速后的处理结果进行比较,实验结果表明,该方法能够快速的解算遥感云图纹理特征,加快遥感云图处理速度,同时克服了FPGA设计图像算法难度大的缺点。     

基于关键点的遥感图像旋转目标检测

高分辨率的遥感图像与普通图像相比,遥感图像目标具有方向多样性和尺度变化较大等特点。针对遥感图像目标检测问题,提出一种R-CenterNet遥感图像目标检测算法。首先,对CenterNet网络重新设计,在网络结构中加入旋转因子为检测框提供角度信息;其次,增加网络深度,提高网络检测性能;最后,为聚合不同区域的信息,进一步提取目标的多尺度信息,提出一种将目标特征注意力信息与多尺度池化信息相融合的注意力金字塔池化模块。实验结果表明R-CenterNet的检测结果比原始CenterNet提升了8%的平均精度值(mAP),具有更好的检测效果。     

基于共性与特性信息融合的遥感场景图像分类

由于遥感场景图像类内差距大即同一类别图像的特性信息相差较大,仅仅依靠特性信息分类的准确率不高,而现有遥感场景图像分类方法忽视了同一类别所具有的相同的共性信息也可以辅助图像识别,对此本文提出一种基于共性与特性信息融合的遥感场景图像分类方法。首先,图像通过卷积网络较浅层与深层得到的简单特征图与复杂特征图相叠加,可认为是此图像注意力集中的特征图,提取此特征图的手工特征LBP作为共性信息。之后与卷积网络提取的特性信息融合并进行分类。本文使用经贝叶斯优化优化超参数的SVM分类器,使其性能达到最佳来消除分类器对实验的影响。在两个数据集UC Merced和AID上的实验,验证其分类精度分别达到了98.80%和96.06%,表明该方法能有效地提升遥感场景图像准确率。在国防,城市规划,地质勘查等领域有重要意义。     

遥感图像的几何精校正研究

几何校正是遥感图像预处理中的关键技术。在ENVI遥感图像分析软件环境下,利用图像-图像几何校正方法对遥感图像进行精校正。仿真实验中,利用该方法从两幅遥感图像上选择控制点配准另外一副栅格文件,使相同地物出现在校正后的图像相同位置。实验结果表明,利用该方法可以获得质量较好的遥感图像。     

结合空间信息的PTSVM的遥感图像变化检测

基于半监督支持向量机算法的遥感图像变化检测中,PTSVM算法采用成对标注的法则对无标签样本进行标注,即一次只标注一对无标签样本,取得了很好的检测结果,一定程度上提高了检测精度.但是PTSVM算法只利用了样本的光谱信息,而样本的特征信息不仅包括光谱信息,还有空间信息,空间信息作为样本的基本特征之一,对样本同样重要,所以本文在PTSVM的基础上,提出了结合样本空间信息和光谱信息的PTSVM算法,并用于遥感图像的变化检测中.通过实验结果分析,该方法在遥感图像的变化检测中取得了很好的效果,进一步提高了变化检测的准确率.     

基于MapX的海量遥感影像地图浏览平台的构建

针对海量遥感影像地图在现有GIS软件中不能显示或显示速度缓慢的问题，本文研究了遥感图像的分层分块方法及在MapX中动态加载的方法，提出了构建基于MapX的海量遥感影像地图浏览平台的原理、方法及操作步骤。遥感影像地图分层分块采用了四叉树分割方法。分块图像在MapX中动态加载方法通过实例验证，效果良好     

基于双重滤波与锐化的遥感图像增强算法

为了解决遥感卫星影像普遍存在着亮度、对比度低的问题,提出了基于滤波与锐化的遥感图像增强算法。首先,根据线性运算中核矩阵像素权值特性,设计基于中值滤波与高斯滤波的图像滤波算子。然后,采用图像一阶导数逼近技术,计算图像强度梯度,并采用图像二阶导数计算梯度的散度,从而建立基于Sobel与Laplacian的图像锐化增强算子,以增强图像对比度。最后,基于非局部均值算法,完成图像去噪,实现遥感图像平滑增强的目的。实验测试结果表明,与当前遥感图像增强技术相比,本算法拥有更高的增强质量,更好地保留了图像的亮度与色度信息。     

遥感植被物候识别中逻辑斯蒂模型的适用性研究

气候变化引起的物候变化对陆地生态系统和水文循环等都有重要的影响,基于遥感数据的植被物候识别模型是当前区域物候研究的重要手段。本文基于小波分析方法,以内蒙古高原地区的草地物候为研究对象,利用遥感数据和气象数据,分析遥感植被物候识别中逻辑斯蒂模型的适用范围。研究表明,在干燥指标(HAI)大于3的地方,植被的物候周期会被干旱扰乱,不再满足逻辑斯蒂模型的假设,这种气候条件的地区不适宜使用逻辑斯蒂模型来对植被物候进行识别;在干燥指数(HAI)大于2小于3的地方,植被生长过程在部分年份受干旱干扰,在应用逻辑斯蒂模型前须对植被生长过程进行检验。