基于高分辨率遥感影像的城市道路信息提取

遥感技术的快速发展,遥感影像的分辨率也在不断提高,在遥感影像中,道路信息是一种非常重要的基础地理信息数据,在人们的生活、经济中都发挥着重要作用。在高分辨遥感影像越来越普遍的情况下,研究高分辨率遥感影像道路提取的方法也有很大的实际意义。     

基于小波变换的近平面影像数字配准方法研究

本文将小波变换技术与相似度检测算法、直线拟合方法等相结合,用于近平面影像数字配准。首先,对含噪遥感影像进行多尺度小波变换,以提取不同尺度上的广义特征点,并剔除图像噪声;其次,将序贯相似度检测算法和多分辨率分析相结合进行控制点匹配;最后,利用基于最小二乘法的直线拟合,建立配准变换关系。实际遥感影像的相对配准实验验证了方法的有效性。     

利用方向纹理特征和卡尔曼滤波搜索遥感影像道路中心线

在遥感影像道路中心线提取时,为了克服传统道路中心线提取算法对场景中干扰因素比较敏感的问题,利用方向纹理特征匹配得到初始道路中心点后,结合道路中心点先验信息和观测信息运用卡尔曼滤波迭代跟踪准确的道路中心点。     

分辨率差异较大的遥感图像自动配准算法研究

本文在研究了已有配准算法的基础上,针对两个分辨率差异较大的遥感图像,提出了自动配准的改进方法,自动获取基准影像,并对每个波段的图像做直方图均衡化增强,最后,构建影像金字塔,运用SIFT算法提取特征点。     

一种基于遥感影像的道路损毁评估方法

针对目前道路损毁评估不够形象直观的问题,提出了一种基于高分辨率遥感影像的道路损毁评估方法,通过对遥感影像进行影像增强等预处理使遥感影像更加地容易判读。同时,利用损毁前后的DEM数据构建损毁前后道路模型,通过此模型来对道路损毁进行评估,实验表明:这种方法更加地形象逼真,在此基础上,计算损毁地区的土方量,可以为工程设计部门和决策部门提供参考依据。     

基于多残差网络的遥感图像语义分割方法

高分辨率遥感图像含有许多较为复杂的地物信息,对其进行的语义分割存在分割精度低、分割边界模糊等问题.本文提出一种新型的多尺度语义分割网络模型,旨在提高遥感图像语义分割精度.该模型为编码—解码(Encoder-Decoder)网络结构,编码器利用残差网络对图像特征进行提取;解码器利用反卷积进行上采样;残差连接将提取到的高级语义特征与残差连接层提取到的多尺度特征进行融合;同时使用Dice损失函数代替传统的交叉熵损失函数,以处理多类语义分割任务中的类别数量不平衡和难分样本问题.实验可得:与其它经典分割模型相比,本文算法对遥感图像具有较高的分割精度,所提出的方法在"CCF卫星影像的AI分类与识别竞赛"的数据集上均交并比(Mean Intersection over Union, MIoU)值达到了0.823 5,召回率Recall达到0.891 4.     

基于最小二乘匹配影像道路网提取方法

本文利用最小二乘匹配算法进行遥感影像道路网提取,介绍了道路网提取的主要过程,通过对影像进行预处理、种子点选取、最小二乘匹配、道路段筛选和连接来实现道路网的提取。     

遥感影像道路网提取算法研究现状

遥感影像道路网的提取一直是国内外学者研究的热点,本文详细介绍了目前道路网提取的研究现状,对基于梯度运算和道路骨架线抽取的提取算法、基于高斯尺度空间的边界线提取算法的原理以及提取效果进行了分析和比较,以为下一步研究提供理论支持.     

基于电子地图的遥感影像自动粗定位研究

在GIS的基础上,提出了一种新的遥感图像自动定位方法．将GIS技术和遥感技术相结合．利用GIS软件从电子地图中提取出线状图层一定范围内各点的经纬度坐标,将这些信息作为参考源．同时对遥感图像进行二值化和边沿提取,将提取出来的遥感图像的线状特征作为目标源,然后在分辨率匹配和投影变换的基础上对二者进行匹配,引入Hausdorff距离作为相似性测度,最后获取遥感图像的定位信息．     

Large scale compound classification for multi-resolution satellite data based on conditional random fields models

针对如何在算法层次上利用不同空间分辨率遥感数据提高地表分类精度的问题,提出了一种基于条件随机场模型的全新的多分辨率复合分类算法.该算法针对同一地区、不同覆盖范围的两种高低分辨率遥感图像,以广域低分辨率图像的高精度地表分类为目的,利用高低分辨率图像间的空间分辨率多对一关系,基于云理论构建“真实”似然特征映射,由用来描述光谱特征与类别关系的“真实”似然特征序列以及像元间上下文关系构建条件随机场模型的两类势函数,并在此基础上对广域低分辨率图像进行全局地表分类.该算法不仅提供了对多分类特征的支持,而且考虑了地物分布的空间连续性.多组高低分辨率图像组合下的复合分类及不同算法间的分类精度对比分析结果表明,该算法可有效提高广域低分辨率图像的分类精度,并具有良好的鲁棒性.