基于数学形态学的SAR图像道路提取

针对低分辨率SAR图像道路目标的各种特性,利用教学形态学的方法对道路提取进行了研究.首先利用Frost算法对图像进行相干斑抑制;然后采用改进的最大类间方差选取阈值进行分割,得到一个包含道路信息的二值图像;再利用开运算和区域选取除去非道路孤立图斑;接着,利用形态学的闲运算连接断点以及时凹凸不平的道路边缘进行平滑;最后经细化和数次剪枝得到道路.实验结果表明,该方法抗噪性好,效率高,识别道路的效果良好.     

基于标记的分水岭图像分割算法研究

本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法.算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割.实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果.     

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。     

在复杂背景下一种对作战车辆特定区域识别的方法

对如何从复杂的背景图像中准确提取作战车辆特定区域的特征进行研究,阐述传统识别方法应用于复杂背景图像中作战车辆特征提取的局限性,提出基于作战车辆形态学开运算结合多阈值处理的分割算法。首先,通过图像强度的分析选取适当阈值对其进行形态学运算,然后根据作战车辆局部特征明显,对特定区域进行再分割,实现对复杂背景图像中作战车辆特征的准确分割与提取,最后使用追踪框将感兴趣区域做标记。实验结果表明本方法对复杂背景的作战车辆识别是有效的。     

一种基于人脸皮肤图像的色斑检测算法

在皮肤病诊断、化妆品功效判定和皮肤评价中都需要精确地检测色斑,本文提出了一种数字图像处理的方法提取皮肤图像中人脸色斑.首先截取包含色斑的皮肤区域,用基于小波变换同态滤波校正法消除光照不均匀的影响,接着用形态学高帽低帽变换和对比度拉伸增强图像的对比度,最后用自适应灰度阈值分割检测色斑,再用形态学开运算和闲运算消除检测后的一些杂散点,得到最终的检测结果.经实验验证,该方法的准确率较高.     

复杂背景下圆形物体分割算法

对如何从复杂的工业图像中准确提取圆形目标进行了研究。阐述了传统分割方法应用于复杂图像中提取圆形目标的局限性，提出了基于双阈值结合数学形态学运算的分割算法。首先分别根据两个阈值进行分割得到两幅二值图像，然后根据目标是圆形以及其大致位置等先验知识分别对两幅图进行腐蚀，开启，闭合等数学形态学运算，将高阈值分割得到的图像中的边界信息叠加到低阈值分割得到的图像中，实现对复杂背景图像中圆形物体的准确分割与提取，解决了复杂背景图像中物体识别率低的问题。实验结果表明本方法对复杂背景的图像预处理是有效的。     

基于总体变分修复模型的图像编码

依据总体变分（TV）模型修复图像的特征,提出了一种新型有效的图像编码方法。在图像的编码端,先提取图像的边缘信息,再利用数学形态学对图像中较大平滑区域进行形状滤波分割,要求压缩编码的区域仅是边缘扩展的邻域和分割出的目标区域,从而大大减少了需要编码的信息量。在图像的解码端,采用总体变分模型对编码后的图像进行修复解码。实验结果表明,在较少编码信息量的情况下,能得到很好的重建视觉效果。     

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，运用阚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。     

基于数学形态学的高分辨率遥感影像道路提取

利用数学形态学的方法对高分辨率遥感影像道路提取进行了研究,通过对影像进行预处理增强道路信息,依据影像灰度直方图信息,对预处理后的影像进行阈值分割,得到一个包含道路信息的二值影像;进一步使用形态开运算去除细小噪声,同时将一部分粘连在道路上的噪声与道路信息进一步分割;接着结合形态腐蚀和形态重建运算获取影像中主要道路网络信息,并用形态闭运算完善道路网络信息;最后对道路网络信息进行形态细化和一定次数的形态修剪处理,得到单像素宽的道路中心线信息.利用数学计算软件MATLAB在高分辨率遥感影像上作了实验,并进行了总结和分析.     

基于数学形态学的图像边缘检测研究

介绍数字图像处理技术中传统的边缘检测算法和基于数学形态学的数字图像边缘检测方法。通过迭代法得到图像最佳分割阈值，然后将图像二值化，再利用数学形念学中腐蚀运算实现数字图像边缘检测。通过编写程序实现上述方法，并比较传统边缘检测算法与基于数学形态学边缘检测方法的结果。     

从航空遥感图像中自动提取主要道路

如果能自动地从航空遥感图像中提取出道路网,将会简化城市地物目标的分类和测量过程.该文根据城市主要道路在图像中的特性进行了模型化处理,进而提出了基于直线的、自动提取的方法.算法重点考虑到成像过程中必然引入的各种噪声,用高斯分布函数模糊化直线参数,使提取具有良好的稳健性.算法中的参数选择都是通过理论分析所得,因此,提取过程实现了自动化.实验结果表明,该方法能够从实际航空遥感图像中提取出主要道路网.     

Towards an automatic system for road lane marking extraction in large-scale aerial images acquired over rural areas by hierarchical image analysis and Gabor filter

An automatic approach to road lane marking extraction from high-resolution aerial images is proposed, which can automatically detect the road surfaces in rural areas based on hierarchical image analysis. The procedure is facilitated by the road centrelines obtained from low-resolution images. The lane markings are further extracted on the generated road surfaces with 2D Gabor filters. The proposed method is applied on the aerial images of the Bruce Highway around Gympie, Queensland. Evaluation of the generated road surfaces and lane markings using four representative test fields has validated the proposed method.     

基于随机森林的高光谱遥感图像分类

为了充分利用高光谱图像的光谱信息和空间结构信息,提出了一种新的基于随机森林的高光谱遥感图像分类方法,首先,利用主成分分析降低数据的维数,并对主成分进行独立成分分析提取其光谱特征,同时消除像元的空间相关性,再采用形态学分析提取像元的空间结构特征,然后,根据像元的谱域和空域特征分别构造随机森林,并引入空间连续性对像元点的预测结果进行约束修正,最后由投票机制决定最后的分类结果。在AVIRIS和ROSIS高光谱图像上的实验结果表明,所提方法的分类性能要优于传统的高光谱图像分类方法,且分类精度高于基于单一特征的方法。     

Monitoring the composition of urban environments based on the vegetation-impervious surface-soil (VIS) model by subpixel analysis techniques

The majority of the world's population now resides in urban environments and information on the internal composition and dynamics of these environments is essential to enable preservation of certain standards of living. Remotely sensed data, especially the global coverage of moderate spatial resolution satellites such as Landsat, Indian Resource Satellite and Système Pour l'Observation de la Terre (SPOT), offer a highly useful data source for mapping the composition of these cities and examining their changes over time. The utility and range of applications for remotely sensed data in urban environments could be improved with a more appropriate conceptual model relating urban environments to the sampling resolutions of imaging sensors and processing routines. Hence, the aim of this work was to take the Vegetation-Impervious surface-Soil (VIS) model of urban composition and match it with the most appropriate image processing methodology to deliver information on VIS composition for urban environments. Several approaches were evaluated for mapping the urban composition of Brisbane city (south-east Queensland, Australia) using Landsat 5 Thematic Mapper data and 1:5000 aerial photographs. The methods evaluated were: image classification; interpretation of aerial photographs; and constrained linear mixture analysis. Over 900 reference sample points on four transects were extracted from the aerial photographs and used as a basis to check output of the classification and mixture analysis. Distinctive zonations of VIS related to urban composition were found in the per-pixel classification and aggregated air-photo interpretation; however, significant spectral confusion also resulted between classes. In contrast, the VIS fraction images produced from the mixture analysis enabled distinctive densities of commercial, industrial and residential zones within the city to be clearly defined, based on their relative amount of vegetation cover. The soil fraction image served as an index for areas being (re)developed. The logical match of a low (L)-resolution, spectral mixture analysis approach with the moderate spatial resolution image data, ensured the processing model matched the spectrally heterogeneous nature of the urban environments at the scale of Landsat Thematic Mapper data.     

基于特征加权的高光谱图像融合分类

在对高光谱图像监督分类中, 传统的监督学习方法对高光谱数据进行分类时需要获取足够的有标记样本作为训练样本, 这样可以有效的避免Hughes效应. 实际情况下的高光谱数据拥有较多的波段和相对较小的训练样本集给传统的遥感图像分类方法带来了挑战. 因此, 提出了一种基于特征组合以及特征加权的高光谱图像分类算法, 针对纹理特征分析难度较大的现实, 利用一阶直方图的统计特征描述图像纹理特征, 通过类内散度矩阵的逆矩阵作为特征加权矩阵构造组合核函数将高光谱光谱特征和空间特征融合起来, 同时利用特征加权的方法用于提高小训练样本的监督分类精度. 实验结果表明, 本文所提的方法对小样本的高光谱数据分类具有良好的效果.     

利用邻域质心投票从分类后影像提取道路中心线

目的 利用分类算法对高分辨率影像中的道路进行分割时,得到的二值图像往往混杂了许多非道路区域,且道路区域呈面状,无法直接应用于生产与研究。针对该问题,提出一种利用邻域质心投票提取道路中心线的算法。方法 首先检测像素在各方向上的连通距离以构建邻域多边形,随后进行质心投票来提取道路的中心线,与此同时估算道路宽度并判断出连通距离较长的方向数目,以排除非道路区域的干扰,最后经形态学处理得到细化的中心线。结果 选取测试图像及具有不同道路分布特征的高分辨率航空影像的分类结果进行实验,并将该算法与Zhang和Couloigner提出的算法进行了对比分析。结果显示,该算法的提取质量为80.6%和79.0%,且计算效率较高,处理实际影像的用时小于参考算法的20%,此外在稳定性及对不同路宽的适应性等多个方面均具有优势。结论 提出一种邻域质心投票算法,该算法能够同时实现传统方法中提纯与中心线提取两个步骤所对应的功能,从分类影像直接提取道路中心线。实验结果表明,该算法能够根据形状特征有效检测道路,且具备一定抗干扰能力,适用于对混杂了非道路区域的高分辨率影像的分类结果进行处理。     

基于Lansat7 ETM+影像的城市道路信息提取研究

道路信息是遥感卫星影像中一种重要的地理专题信息，道路信息的提取在卫星数字图像自动解译方面具有理论与方法意义，如果能自动地从遥感卫星影像中提取出道路网，将会简化城市地物目标的分类和测量过程。研究结合了计算机和人在自动检测和识别上的优势，以ETM＋为数据源，提出了遥感卫星影像中道路特征半自动提取的一种方法。研究首先对ETM＋的多光谱影像和15m分辨率的全色影像进行融合，然后通过设计一个高通滤波器和统计滤波器，完成道路信息的检测与识别（其中高通滤波突出地物的线性特征、统计滤波则是消除高通滤波后的一些噪音），最后进行矢量化跟踪完成道路信息的提取。实践结果表明，该方法能够从中等分辨率遥感卫星影像中提取道路信息，取得了较好的精度效果。     

基于对象级的高分辨率遥感影像分类研究

依据高分辨率遥感影像的特点,结合深圳市QUICKBIRD数据提出一种基于多尺度分割的对象级遥感分类方法。文中首先利用分形网络演化法(FNEA)进行多尺度图像分割,获取对地表实体更具代表性的图像对象,然后利用对象所包含的光谱、空间特征来确定地物识别中可能要用到的各种特征参数,最后通过构建语义结构实现了研究区地物的逐级分层分类。研究结果表明,本文所采取的方法比传统方法在分类精度上有了明显的提高,为高分辨率遥感影像的信息提取提供了新的技术途径。     

基于数据流的TIN迭代滤波算法

通过机载LiDAR数据滤波获取地面信息是机载LiDAR数据的一项重要且基本的应用。基于现行的滤波算法都有一定的应用局限,本文提出了一种基于数据流的TIN滤波算法。该方法基于流的思想,首先对机载LiDAR数据进行点流的空间结点化,之后在构建Delaunay三角网的同时,进行插入点判断。通过试验区数据的滤波验证,此算法能够较好地滤除地物点,保持地形;提高了滤波效果的同时,在算法效率上还占有一定优势。