强伪装下的航空图像边缘分割方法仿真

研究强伪装下的航空图像边缘准确分割问题.随着伪装技术的广泛应用,航空图像中的背景色彩已经高度接近目标,造成目标和伪装物在像素色差、灰度等特征上高度一致.传统的分割算法,在分割航空图像特征时,会随着灰度的接近陷入无穷分割的境地,造成阀值设定过程无穷化,很难保证完整分割出特征.提出了一种曲线演化模型的航空图像边缘分割方法.利用P&M算法,对采集的航空图像进行平滑滤波处理,从而去除航空图像中的噪声,提高图像的分辨率.建立曲线演化模型,将航空图像的监测目标中的能量进行由粗到细的演变,从而扩大图像边缘捕获区域,使其对捕获过程更加敏感,对强伪装下的航空图像边缘进行分割处理.实验结果表明,算法进行强伪装下的航空图像边缘分割,能够在航空图像中准确的提取边缘区域,为航空图像应用领域提供了决策依据.     

窗户纹理的时频描述及其在建筑物提取中的应用

航空影像中，窗户纹理的合理描述对建筑物提取具有重要意义。依据灰度图像中窗户区域呈现出的明暗变化规律，在建筑物垂直边缘检测的基础上，利用时频分析和Radon变换描述了窗户纹理的周期性和方向性。实验结果表明，合理地描述窗户纹理可用于获取较高层建筑物存在的确凿证据、其垂直边缘的准确位置以及局部墙面水平方向，其为建筑物检测和三维信息的获取提供了一条新的有利途径。     

基于高亮特征匹配的双视向SAR图像建筑物高度提取

由于城区场景的复杂性和SAR成像几何畸变的影响,基于单幅SAR图像的建筑物高度提取常常存在很大困难。针对这一问题,利用建筑物目标SAR成像形成的叠掩、二次散射、较强单次散射等散射机制对应的高亮特征非常典型,并且对方向性敏感的特点,提出了一种基于双视向SAR图像高亮特征与几何模型匹配的建筑物高度提取方法。首先分析了建筑物目标的SAR图像散射特征及对雷达视向的敏感性,然后构造了建筑物目标在双视向SAR图像上高亮特征几何模型,然后基于灰度均值、灰度概率分布、边界信息定义匹配函数,并利用多种群遗传算法进行优化求解,最终得到建筑物目标的高度信息。基于模拟和机载SAR图像的试验表明该方法的建筑物高度平均反演误差小于1m,可以有效提高建筑物高度反演的精度。     

一种基于色彩和灰度直方图的图像检索方法

提出一种综合图像的色彩信息、灰度信息和空间信息提取图像的特征向量的方法。该方法首先将图像从RGB空间转化为HSV空间，并进行非均匀量化；其次将彩色转化为灰度图像；然后将图像划分成互有重叠的4块，分别求出每块图像的色彩直方图、灰度直方图；最后采用这8个直方图作为图像的特征向量对图像进行检索。     

单参数控制的灰度图像着色

灰度图像着色是计算机图形学和计算机图像处理等领域的研究热点,在影视制作、数字照片编辑、动漫艺术等方面具有重要的应用价值。传统的方法通过大量的交互操作实现灰度图像中不同区域的聚类或者色源图像和灰度图像之间的匹配,大大降低了着色的效率。提出一种新的基于单参数控制的灰度图像着色方法。首先,利用球体几何理论建立色彩变换模型。其次,基于线性回归的方法,对色源图像和灰度图像的直方图分别进行多项式拟合建模。用户输入拟合多项式的阶数之后,可以实现色源图像和灰度图像的自动聚类并建立它们之间的匹配关系。最后,通过色源图像和灰度图像之间的颜色映射实现灰度图像的着色。该方法无须烦琐的用户交互,使得着色过程更为方便快捷。     

运用区域标定自动机的文字图像拼接算法

本文提出了一种新的文字图像的匹配拼接算法。运用基于区域标定自动机的方法获得重叠图像的特征匹配点，利用特征点的匹配可成功实现倾斜的灰度文字图像及无倾斜二值文字图像的平滑拼接。实践结果表明，方法拼接效果良好，能有效地克服图像质量的影响，当灰度图像的灰度值相差较大并且图像具有旋转时，也能实现对图像的拼接。     

基于主灰度的声纳图像识别

声纳图像是一种灰度图像．所以将灰度信息作为特征参与匹配和识别,具有重要意义。针对声纳图像识别系统实时性要求高、存储空间小的特点,提出一种基于主灰度的提取和识别方法,从而降低了特征维数．提高了声纳图像的识别效率。将该方法应用于水下声纳图像的识别中,实验结果表明它是有效的,具有一定的实用价值。     

基于混沌布谷鸟优化的二维Tsallis交叉熵建筑物遥感图像分割

为了进一步提升建筑物遥感图像分割的准确性和运算速度,本文提出了基于混沌布谷鸟优化的二维Tsallis交叉熵的建筑物遥感图像分割方法。首先给出了二维Tsallis交叉熵的阈值选取公式,然后将Logistic混沌映射引入布谷鸟算法,进一步加快布谷鸟算法的收敛速度,最后通过该混沌布谷鸟算法优化基于二维Tsallis交叉熵的阈值寻找过程,并以得到的最优阈值分割建筑物遥感图像。大量实验结果表明,与二维倒数交叉熵法、二维Tsallis熵法、基于混沌粒子群优化的二维Tsallis灰度熵法等方法相比较,本文方法分割的目标更为准确,细节更为清晰,且运算时间更短。     

改进的基于广义图像共生矩阵的图像检索方法

综合考虑了传统灰度共生矩阵法与基于广义图像灰度共生矩阵法各自的优点,提出了改进的基于广义图像灰度共生矩阵的图像检索方法。新方法构造了广义图像四个方向的灰度共生矩阵,并提取四个共生矩阵的纹理参数进行检索。实验结果表明,新方法对图像的旋转及尺寸变化具有更好的检索性能。     

基于局部仿射模型的多模态弹性图像配准

针对目前弹性图像配准方法较难应用于多模态图像的问题,提出了一种转化图像模态的解决方案。计算图像中每个灰度值在另一幅图像中对应像素的灰度均值,使用该均值代替原图像中对应的像素值,两幅图像灰度被转换为基本一致的状态,使用局部仿射模型配准图像。将灰度转换后的图像与目标图像配准,再将图像的形变参数映射到浮动图像中就可以实现多模态的图像配准。实验结果表明该方法可将局部仿射模型成功地用于多模态图像配准。     

基于改进直线Snake算法的建筑物自动提取

为研究航空影像中建筑物的自动、半自动提取,通过分析直线Snake算法,对其内部能量函数增加1个平均连通距离,修改二阶项,归一化外部能量函数,增加1个外部力,然后用改进后的直线Snake算法结合贪婪算法对建筑物进行提取.该方法能正确地自动提取建筑物.实验结果表明新算法可以提高提取效率.     

Detection of collapsed buildings with the aerial images captured from UAV基于低空无人机航拍图像的坍塌建筑物自动探测方法

In this paper, we present a method of detecting the collapsed buildings with the aerial images which are captured by an unmanned aerial vehicle (UAV) for the postseismic evaluation. Different from the conventional methods that apply the satellite images or the high-altitude UAV for the coarse disaster evaluation over large area, the purpose of this work is to achieve the accurate detection of collapsed buildings in small area from low altitude. By combining the motion and appearance features of collapsed buildings extracted from successive aerial images, each pixel in the input image will be measured by a statistical method where the background pixels will be penalized and the ones of collapsed buildings will be assigned with high value. The candidates of collapsed buildings will be established by integrating the extracted feature points into local groups with the online clustering algorithm. To reduce the false alarm caused by the complex background noise, each predicted candidate will be further verified by the temporal tracking framework where both the trajectory and the appearance of a candidate will be measured. The candidate of collapsed buildings that can survive through long time will be considered as true positive, otherwise rejected as a false alarm. Through extensive experiments, the efficiency and the effectiveness of proposed algorithm have been proved.     

基于模型的航空影像矩形建筑物半自动建模

针对航空影像中矩形建筑物半自动重建进行了研究。该方法基于最小二乘模型影像匹配算法,通过使航空影像中提取的建筑物边缘与模型投影线之间距离和最小计算建筑物的参数。给出用CSG与B-Rep相结合描述的矩形体基本模型,人工在影像上选点建立建筑物的初始模型,将初始模型反投到影像上,并对影像进行边缘提取,根据最小二乘模型影像匹配算法求解最佳模型参数。实验结果证明该方法有较高的准确性。该算法除航空影像与影像方位元素外不需要其他辅助数据,只需人工计算初始值,其他计算由计算机完成,速度较快,节约了人力物力,具有较强的应用价值。     

模型导向的矩形建筑物三维重建

针对以航空影像为数据源的矩形建筑物半自动重建进行了研究。采用模型导向的方法,用CSG与B-Rep相结合描述的矩形体基本模型,提取航空影像中建筑物边缘线,人机交互建立建筑物的初始模型;将初始模型反投到影像上,根据建筑物边缘与模型投影线之间套合程度,通过基于广义点摄影测量理论的模型影像匹配算法计算建筑物的精确参数。该方法利用影像上的直线信息进行广义点平差,减少运算量,提高建模效率与建模精度。实验结果证明该方法有较高的准确性。     

基于改进分水岭变换的遥感图像建筑物提取

遥感图像的分割是遥感信息提取与目标识别的基础和关键。以高分辨率城镇地区遥感图像为研究对象,提出一种基于全局阈值的多级分水岭算法,用于遥感图像的分割。该算法通过引入差异度函数,在执行传统分水岭算法的过程中对图像中存在的噪声区域进行修正,并通过使用全局阈值有效的控制欠分割问题。首先基于全局阈值的多级分水岭算法对高分辨率遥感图像进行初始分割,然后综合利用分割对象的颜色和形状特征信息,进行区域合并和梯度边缘提取,得到最终的建筑物提取结果。实验结果表明,所提出的基于全局阈值的多级分水岭算法较好地避免了过分割和欠分割现象,结合区域合并和梯度提取,能够快速准确地对城镇遥感图像中的建筑物进行提取。     

Soft computing strategy for stereo matching of multi spectral urban very high resolution IKONOS images

This work aims to define a new strategy for extracting and stereo matching of buildings using very high resolution multi spectral IKONOS images having a ratio base/height about 0.53, we do not have the intrinsic and extrinsic parameters of the images acquisition system. These images contain dense urban scenes including various kinds of roads, cars, vegetation and buildings. We are interested by buildings, some of them have different shapes or colours and others have close colours or shapes, so, they generate a lot of “false matches”. To solve this issue, we propose in this paper an approach based on soft computing field in order to extract regions of interest (buildings) and to match them, it contains two main steps: region segmentation and thresholding step using a specific fuzzy thresholding algorithm and a neural Hopfield matching stage based on new constraints including geometric and photometric regions properties. The presented strategy is nearly all automatic, it is fast and simple and the results of its applied tests on several kinds of stereo dense urban images are satisfactory.     

基于改进Yolo v3算法的遥感建筑物检测研究

针对遥感图像中建筑物检测存在小型建筑物检测难度大、检测过程中无法满足实时性等问题,提出将基于深度学习的目标检测算法Yolo v3应用到建筑物检测场景中。以实时性及泛用性良好的Yolo v3为基本算法,满足实时性的要求;通过改进Yolo v3的网络结构,以修改特征图分辨率、调整先验框维度为方向加强对小型建筑物的检测能力。实验结果表明,改进的Yolo v3目标检测算法既满足了实时性的要求,且检测精度和召回率达到了91.29%和95.61%,较原算法分别提高了5.35%和2.34%。因此提出的改进方法有效解决了遥感领域小型建筑物的检测问题。     

基于不变矩的高分辨率遥感图像建筑物提取方法

为了有效地对图像进行特征提取, 利用不变矩算法对IKONOS和WorldView两种高分辨率遥感图像的城市建筑物地区进行提取。首先将图像数据经过Canny边缘检测和标记分水岭分割, 然后在此基础上分别利用胡氏不变矩和仿射不变矩对图像进行特征提取; 最后通过实验结果的评价可以证明在建筑物的特征提取上, 仿射不变矩比胡氏不变矩的提取效果更加显著, 进而也证明了利用不变矩算法对高分辨率遥感图像建筑物特征提取这一方法是可行且有效的。     

建筑物场景宽基线图像的准稠密匹配

室外建筑物纹理通常重复而且单一,在进行宽基线图像匹配时,得到的初始种子点匹配数量通常比较少,而且在匹配和扩散时存在匹配多义性问题,使得应用传统的宽基线准稠密匹配算法不能得到满意的结果。针对这一问题,提出了一种针对室外建筑物的宽基线图像准稠密匹配算法。算法从高斯差分空间提取最大稳定极值区域,以获取数量更多的初始种子点匹配;在仿射传递过程中,采用自适应支持加权计算匹配分数,去除匹配多义性问题。实验表明,提出的算法能获得比较满意的准稠密匹配结果。     

高分辨率SAR影像形态学层级分析的建筑物检测

目的 现有基于结构分析的高分辨率SAR影像建筑物检测方法,只考虑了直线和L形结构建筑物,并且依赖建筑物高亮线条处阴影区作为建筑物识别的主要特征;当处于复杂场景时,阴影区受制于背景较暗或建筑物密集而无法准确得到,导致建筑物检测误差大、检测率低。针对上述问题,提出一种基于形态学层级分析的高分辨率SAR影像无监督建筑物检测算法。方法 该方法基于单幅单极化高分辨率SAR影像,首先利用改进的形态学交替滤波算子有效抑制其固有的斑点噪声,大大剔除了同质区背景噪声的干扰;然后利用层级分析形态学差分属性断面算法来实现对SAR影像建筑物的几何结构特征的提取;最后结合特征融合和属性阈值分割等后处理步骤得到复杂场景下建筑物提取信息。结果 将上述方法在建筑物密集的城区SAR影像中实验,通过与其他方法对比分析,具有检测率高、误差小的特点,准确率和召回率分别为95.38%、86.31%,并对降低虚警率方面有明显的优势。结论 将形态学交替滤波与形态学属性滤波的改进与结合,在对不同走向、尺寸和形状的高密度建筑物检测中具有较好的适应性。