融合边界信息的高分辨率遥感影像分割优化算法

目的 针对目前区域分割算法获取的区域边界与真实地物边界不一致问题,利用高分辨率遥感影像地物内具有均质性和地物间边缘信息突出的特点,提出一种融合边界信息的高分辨率遥感影像分割优化算法。方法 首先采用Canny算法对遥感影像进行边缘提取并进行边缘连接处理,产生闭合边界;然后将边界与初始分割结果进行融合处理,获得新的分割结果;最后在闭合边界约束下,基于灰度相似性准则对新的分割结果进行区域合并,获得优化后的最终分割结果。结果 采用本文提出的分割优化算法对Mean Shift算法和eCognition软件获得的分割结果进行优化处理,优化后的分割结果与初始分割结果相比正确分割率（RR）平均提高了4%,验证了本文算法的有效性。结论 该优化算法适用性广,可优化基于区域、基于边界和基于聚类等多种分割方法,同时该算法既能保持高分辨率遥感影像分割的区域完整性,又能保持地物边缘细节特征,提高了分割精度。     

基于区域生长的多尺度遥感图像分割算法

图像分割是图像解译的关键一步,仅仅利用光谱信息的传统分割方法已不能有效地对高分辨遥感图像进行分割。鉴于高分辨率遥感图像提供了地物光谱、形状和纹理等大量信息,文章提出了一种基于区域生长结合多种特征的多尺度分割算法。首先利用图像梯度信息选取种子点;其次综合高分辨率遥感图像地物的局部光谱信息和全局形状信息作为区域生长的准则进行区域生长。迭代这两个过程,直到所有区域的平均面积大于设定的尺度面积参数则停止生长。该算法用VC实现,实验结果表明该算法能获得不同尺度下的分割结果且分割效率高、分割效果好。     

基于复数矩不变性的遥感边缘信息提取

通过引入四元数的方法,对多光谱遥感影像进行整体统一的处理,经过求解影像的色彩中心值来完成影像的分割,从而达到对影像进行边缘提取,以及自动提取出影像中面状特征的目的。本文主要提取面状水域,试验结果表明,该方法能对多光谱遥感影像中的水域提取效果相较传统做法有很大的提高。     

基于图像分割的无人机遥感影像目标提取技术

为全面增强遥感影像上地物波谱的反射特性能力,实现对无人机目标的无误提取,提出基于图像分割的无人机遥感影像目标提取技术;在类哈尔滤波器结构的支持下,按照区域环境中地物目标的颜色特征,完成低层影像特征的量化处理,实现基于图像分割技术的无人机遥感深度图获取;定义与无人机遥感影像相关的基本名词,通过原始特征选择的方式,判定地物波谱的平均反射特性水平,得到准确的特征元素相关性测度数值,完成无人机遥感影像的目标融合处理;在此基础上,分割多分辨率条件下的影像目标,在定义图像纹理与尺度条件的同时,得到最终的地物提取结果,实现基于图像分割无人机遥感影像目标提取技术的应用;对比实验结果表明,在初始采集相位条件及亚像素条件下,目标地物的波谱宽度均超过7.0μm,遥感影像的反射特性能力大幅提升,满足对无人机目标无误提取的实用需求。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域,运用阈值分割算法完成初步的图像区域分割;然后利用形态学运算进行精细化处理,结合提出的判断准则,通过人工交互完成了多感兴趣区域的提取;最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

矢量约束的面向对象高分遥感影像水体提取

鉴于高分辨率遥感影像的光谱混淆和噪声干扰现象为遥感信息的精确提取带来很大困难,而利用现有矢量数据作为约束条件是提高遥感信息提取准确性的有效手段,提出了一种基于矢量约束实现面向对象高分辨率遥感影像水体提取的新方法。方法的基本步骤包括:1)利用硬边界约束方法(HBC-SEG)进行图像分割;2)分割图层与矢量数据叠合以建立分割图斑和已有矢量水体图斑间的空间关系;3)针对矢量与影像间的时相差异和配准误差建立差异化的知识规则以提取影像中的真实水体。实验证明,该方法在准确提取高分辨率影像上细小水体信息的同时,也能有效抑制建筑等地物的阴影干扰,和无约束方法相比,综合精度评价指标F-Measure平均提高13%以上。     

自适应多尺度融合遥感图像分割方法

针对遥感图像数据量大、地物对象与空间尺度密切相关的特点,提出一种自适应多尺度融合遥感图像分割方法。使用颜色方差作为距离度量,利用区域邻接图和最近邻区域图对遥感图像进行快速分割,建立阈值和尺度之间的函数关系,通过不同阈值得到多尺度分割结果,并采用融合方法获得最终结果。实验结果表明,与eCognition单尺度分割方法相比,该方法可消除遥感图像过分割或欠分割的现象。     

基于深度学习算法的高分辨率无人机遥感图像自动分割

高分辨率无人机遥感图像自动分割对于图像的目标识别与检测具有重要意义,为提升图像分割精度,提出基于深度学习算法的高分辨率无人机遥感图像自动分割方法。采用直方图均衡化算法增强遥感图像后,构建基于编/解码器架构的深度学习网络语义分割模型,针对增强后的图像,在编码环节中引入残差模块强化对分割目标有效的特征;在解码环节中,采用多尺度融合模块将低层特征的局部细节信息和高层特征的语义信息相融合。同时针对遥感图像内地物类别不均衡的现象,以带权重的交叉熵为模型损失函数,克服模型选择偏好问题,提升模型分割精度。实验结果显示该方法可准确分割遥感图像内不同类型目标,分割精度达到95%以上。     

多星形先验和图割的遥感影像交互式分割

针对遥感影像对多种地物进行分割时分割结果不够精确、适用性较差、效率较低的问题,提出了一种使用多星形先验与图割算法相结合的方法,实现遥感影像各类地物高效分割。算法利用均值漂移算法进行预分割,在图割算法中引入多星形先验信息,并基于前景背景交替迭代思想,实现多种地物一次分割。通过引入多星形先验,利用形状信息提高分割的准确性;利用一次交互获取多种地物的种子点,通过前景与背景种子点的交替迭代,改进图割理论的前景背景分割,提高分割效率。定量分析与实验结果表明:该算法对分割人工建筑区、植被、道路及水系更具准确性、高效性及普适性。     

一种快速遥感影像海岛自动提取方法

为有效提高基于遥感技术的海岛调查中海岛提取的效率,该文提出了基于多窄带模型（Multi Narrow Band Model,MNBN）初始化的Grab Cut分割算法对高分辨率遥感图像中的海岛进行提取。首先基于海面与陆地提取进行海岛初提取,再利用初提取结果建立多窄带模型对Grab Cut进行初始化来提高分割算法的速度。分析表明,该算法可有效完成海岛提取,与其他自动海岛提取算法相比具有速度快、鲁棒性高等优点。     

基于遥感图像三区光谱特征的水网城市区域规划协调控制方法

水网城市区域规划功能区图像相似性特征较强，且受生态环境、水资源调度等多个因素影响，造成水网区域规划协调性较差，提出基于遥感图像三区光谱特征的水网城市区域规划协调控制方法。使用高分辨率遥感设备采集城市影像；运用形态学算法，利用结构树，通过击中、击不中变换的方式对图像做细化处理；从亮度均值、目标标准差和亮度差级指数三方面提取图像光谱特征；采用最邻近分类算法，建立分类模型，以优先功能区、一般功能区和冲突协调区的自身环境和光谱特征为依据，将提取的特征输入到分类模型中，自动输出划分结果，利用 A*算法简化划分步骤，实现水网城市规划协调控制。实验结果表明，所提方法提高了遥感图像质量，分类结果符合不同功能区的特征要求；兼顾其它生态要素，规划具有协调性，规划效果较好；可在2s内完成目标区域规划，规划时间较短；对于目标规划数据的检测误差小、准确率高，大幅度提高搜索效率，能够为水网城市区域规划协调控制提供可靠依据。     

Combining shape, texture and intensity features for cell nuclei extraction in Pap smear images

In this work, we present an automated method for the detection and boundary determination of cells nuclei in conventional Pap stained cervical smear images. The detection of the candidate nuclei areas is based on a morphological image reconstruction process and the segmentation of the nuclei boundaries is accomplished with the application of the watershed transform in the morphological color gradient image, using the nuclei markers extracted in the detection step. For the elimination of false positive findings, salient features characterizing the shape, the texture and the image intensity are extracted from the candidate nuclei regions and a classification step is performed to determine the true nuclei. We have examined the performance of two unsupervised (K-means, spectral clustering) and a supervised (Support Vector Machines, SVM) classification technique, employing discriminative features which were selected with a feature selection scheme based on the minimal-Redundancy-Maximal-Relevance criterion. The proposed method was evaluated on a data set of 90 Pap smear images containing 10,248 recognized cell nuclei. Comparisons with the segmentation results of a gradient vector flow deformable (GVF) model and a region based active contour model (ACM) are performed, which indicate that the proposed method produces more accurate nuclei boundaries that are closer to the ground truth.     

基于KPCA光谱特征约束的水边线提取算法

为充分利用遥感影像的多波段光谱特征,提高水边线的提取精度,提出了基于核主元分析（KPCA）光谱特征约束的水边线提取模型。利用KPCA变换提取水体样本的光谱特征,采用最大似然法估计特征空间中水体光谱特征概率密度函数的特征参数,进而构建水体的光谱特征项。以测地线活动轮廓（GAC）模型为基础,建立图像数据项。结合光谱特征项和图像数据项建立水边线提取模型。在Landsat TM数据集上进行的水边线提取实验验证了算法的有效性,与GAC模型和基于距离正则化的水平集方法（DRLSE）相比较,该算法提取的水边线,在保证一定运行速度的情况下,更准确。     

形状的全尺度可视化表示与识别

目的 视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法 在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果 通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论 本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法在视角变化、局部遮挡、铰接变形和噪声等干扰下能保持较高的识别正确率,可应用于图像采集干扰较多以及红外或深度图像的目标识别,并适用于大数据场景下的识别任务。     

Finding convex edge groupings in an image

In an image, there are groups of intensity edges that are likely to have resulted from the same convex object in a scene. A new method for identifying such groups is described here. Groups of edges that form a convex polygonal chain, such as a convex polygon or a spiral, are extracted from a set of image edge fragments. A key property of the method is that its output is no more complex than the original image. The method uses a triangulation of the linear edge segments in an image to define a local neighborhood that is scale invariant. From this local neighborhood a local convexity graph is constructed; this encodes which neighboring image edges could be part of a convex group. A path in the graph corresponds to a convex polygonal chain in the image, with a cyclic path corresponding to a polygon. We have implemented the method and found that it is efficient in practice as well as in theory. Examples are presented to illustrate that the technique finds intuitively salient groups, including for images of cluttered scenes.     

多特征融合的高分辨率遥感影像建筑物分级提取

目的 针对高分辨率遥感影像普遍存在的同谱异物和同物异谱问题,提出一种综合利用光谱、形状、空间上下文和纹理特征的建筑物分级提取方法。方法 该方法基于单幅高分辨率遥感影像,首先利用多尺度多方向梯度算子构造的建筑物指数和形状特征提取部分分割完整的矩形建筑物目标;然后由多方向线性结构元素和形态学膨胀运算确定投票矩阵,从而获取光照方向,并利用光照方向和阴影特征对已提取建筑物进行筛选,剔除非建筑物对象,完成建筑物初提取;最后借助初提取建筑物对象的纹理特征向量建立概率模型,取得像素级建筑物提取结果,将该结果与影像分割相结合实现建筑物提取。结果 选取两幅高分辨率遥感影像进行实验,在建筑物初提取实验中,将本文方法与邻域总变分法和Sobel算子进行对比,实验结果表明,本文方法适用性强,为后提取提供的建筑物样本可靠性更高。在建筑物提取实验中,采用查准率、查全率和F₁分数3个指标进行定量分析,与形态学建筑物指数结合形态学阴影指数算法、邻域总变分结合混合高斯模型和贝叶斯判决算法相比,各项精度指标均得到显著提升,其中查准率提高了2.90个百分点,查全率提高了12.49个百分点,F₁分数则提升了8.84。结论 本文提出的建筑物分级提取方法具备一定抗干扰能力,且提取准确性高,适用性强。     

Improving hyperspectral image classification by combining spectral,texture, and shape features

Several studies have already demonstrated the efficiency of utilizing spatial information in representation and interpretation of hyperspectral (HS) images. Texture and shape features are known as two important categories of spatial information in various applications of image processing. This study tries to utilize texture and shape features extracted from HS images, as well as spectral information, in order to reduce overall classification errors. These features include morphological profiles (MPs), global Gabor features, and features extracted from conventional and segmentation-based grey-level co-occurrence matrices (GLCMs). Various combinations of these spatial features along with spectral information are fed into a support vector machine (SVM) classifier, and the best combinations for different situations are determined. Experiments on the widely used Indian Pines, Pavia University, and Salinas HS data sets demonstrate the efficiency of the proposed framework in comparison with some recent spectral–spatial classification methods.     

基于超像素形状特征的图像复制粘贴篡改检测算法

针对传统图像复制粘贴篡改检测方法中划分子块的数目过大导致算法时间复杂度过高且抵抗几何变换能力较弱的问题,提出一种基于超像素形状特征的图像复制粘贴篡改检测算法.首先提出基于小波对比度自适应划分超像素的方法分割图像并提取稳定的特征点;然后提出新颖的形状编码方式提取超像素形状特征,并与特征点融合,估计可疑伪造区域;最后对可疑伪造区域进行二次超像素分割和匹配,精确定位篡改区域.实验结果表明,提出的算法具有抵抗几何变换、噪声、模糊和JPEG压缩的能力.     

基于谱域特征提取与线性回归分类的智能人脸识别算法

针对人脸识别中由于光线、表情变化和遮挡导致人脸图像变化的问题,提出了一种谱域特征提取与线性回归分类算法相结合的智能人脸识别方法。为了实现特征提取的目的,首先使用Viola-Jones算法从原始图像中提取初始人脸部分,并将其转换为120×120像素大小的灰度图像;然后提出了一种计算极坐标傅里叶变换（FFT）以获得预处理人脸图像主要幅度谱特征的新框架,进一步在预处理的图像上执行2D-DFT,并表示为1D P-FFT。特征值是1D P-FFT幅值中的最大值,提取的特征值用于构造表示人脸图像的符号对象。最后利用快速有效的线性回归分类算法实现分类。在AR和GT数据库上进行了各种实验,分别取得了97.51％和98.02％的准确率,与最近报道的一些人脸识别技术相比,提出的方法识别准确率更高。