基于图像分割的海上船只检测

针对遥感影像中海上船只自动检测的问题,文中首先利用船只的纹理滤波将海上船只和类船只信息突出显示,在获得纹理滤波图像后,采用大津阈值将目标与背景分割开,经过分割处理,获得分割影像图,然后将分割图与原图叠加,从而在原图像上突出显示出来,通过实验证明,该方法简便可行,对海上船只的检测有着重要的意义。     

基于自适应高斯混合模型的遥感影像分类方法研究——以武汉地区遥感影像分类为例

利用遥感影像中地物目标的光谱和纹理特征,基于自适应高斯混合模型对地物特征的概率密度函数进行建模,通过自适应消除最小权重高斯子分量的方法获取分类样本最佳高斯分量数,并基于贝叶斯分类准则进行地物类别的判别,实现遥感影像分类。最后,通过对TM、Quickbird分类实验证明了该算法的有效性,并与传统的图像分类算法进行试验对比,验证了该算法的可行性和优越性。     

多特征融合的遥感影像河流提取方法

针对遥感影像河流识别率较低问题,文中提出一种多特征融合的遥感影像河流提取方法。该方法首先利用多尺度分割算法将影像分割为不同的对象,提取影像对象的水体指数、阴影水体指数、局部纹理与颜色等特征,利用极限学习机进行训练和识别;然后,对极限学习机的粗检测结果利用多判据软投票法优化获得最优的水体检测结果;最后,利用高分二号数据进行实验,检测准确率达94%以上,实验结果表明该方法可以有效地提取复杂背景下的河流。     

基于LBP和GLCM的煤岩图像特征提取与识别方法

针对煤矿开采工作面无人化要求,提出一种基于LBP和GLCM的煤岩图像特征提取与识别方法。采用LBP算法判断煤块与岩石纹理存在差异性,然后通过GLCM实现煤块与岩石图像在水平、直角、45°、135°方向上的灰度共生矩阵,并完成对能量、熵值、对比度、逆差分矩等4个煤岩图像纹理特征参数提取。试验表明:LBP算法在检测煤块与岩石局部纹理特征差异的过程中,具有一定的高效性,但存在不足,后续通过GLCM提取的煤岩图像特征参数,可以找到适用于煤岩分类的特征参数,增加煤岩识别的鲁棒性。     

基于高分辨率遥感影像的城市道路提取方法研究

高分辨率遥感影像为用户提供了丰富的地表细节信息,如何利用图像分析技术从高分辨率遥感影像中进行目标提取,更新地理信息数据库,成为遥感信息处理研究的热点.采用面向对象分类法进行城市道路提取方法研究.首先,对影像进行分割获取影像对象,再通过对影像中道路特征的分析,利用影像对象的光谱特征、几何特征和空间关系建立知识库,最后,利用知识库中的规则来提取影像中的道路.以厦门某城区高分辨率影像进行了道路信息的自动提取实验,其面积一致性总体精度为88% ,形状一致性总体精度为90.13%.结果表明,面向对象法对于城市道路的提取和更新应用,具有一定的实际意义和推广性.     

基于煤炭运量控制系统的煤与煤矸石图像的识别

针对煤炭运量控制系统中的车载物识别这一背景,根据煤与煤矸石图像在灰度和纹理上的差异,并利用LBP算子在处理图像上的优势,提出了一种基于LBP算子的煤与煤矸石的识别方法。运用MAT-LAB语言对识别算法进行仿真实现。对比了LBP算法与以往算法的识别效果,得出了LBP算法的优越性。     

基于视频图像的储煤场煤堆自燃检测方法

在储煤场长期储煤的过程中,煤堆自燃会造成巨大的 经济损失.根据煤炭自燃初期会产生烟雾的特点,提出一种 基于视频图像的煤堆自燃检测方法.对储煤场视频图像进 行预处理,以改善图像质量;结合差分图像和滤色规则提出 一种疑似烟雾区域检测算法,进一步提取疑似区域的 LBP 纹理特征和 HOG梯度特征;使用支持向量机(SVM)进行烟 雾的综合判定.试验结果表明,该方法的检测准确性可达到 ９５．０％以上,能有效检测煤堆自燃,进而提高储煤场的火灾 预警能力.     

面向对象的塌陷地提取

针对塌陷地的光谱特征和空间结构特征的特点,采用一种面向对象的技术,实现了塌陷地的信息提取。首先,采用形态学方法建立滤波器,对影像进行形态学重建,然后对影像进行分水岭分割,将影像进行多尺度分割后,影像被分割为多个相互独立的闭合区域,并且每个区域作为一个独立的对象,计算每个对象的光谱、形状、纹理等等各种特征,并把它们作为分类的依据;其次,根据提取专题的不同进行特征选择;接着根据所选择的特征选择分类器进行塌陷地提取。     

基于灰度差分的改进K-means算法在煤矿图像分割的应用

煤矿图像由于其特殊环境造成的非均匀低光照特点,给图像分割带来了困难.针对非均匀低光照的煤矿图像分割问题,提出一种基于灰度差分的改进 KＧmeans图像聚类分割算法.首先计算图像的灰度差分统计特征,包括对比度、熵和平均值,用灰度差分统计特征描述煤矿图像的纹理特征,建立特征向量;然后建立基于纹理特征向量的样本与聚类中心的距离函数,通过 KＧmeans算法的准则函数构建优化问题;最后根据优化问题的聚类结果实现煤矿图像的目标分割.两组煤矿图像分割试验结果的评价指标平均提升了１２％,结合分割视觉效果,说明了改进方法能够实现煤矿图像的有效分割,可得到较好的分割效果.     

基于超像素粒化与同质图像粒聚类的矿井人员图像分割方法

矿井人员图像分割是实现煤矿井下人员检测、行为识别、视频定位跟踪等技术的基础任务之一。然而,由于矿井下环境特殊,常规图像分割方法均难以满足对井下人员的精准分割要求。为解决矿井人员图像的分割问题,提出一种基于超像素粒化及同质图像粒聚类的分割方法,能够适用于煤矿井下多种场景的人员图像。首先,使用简单线性迭代聚类(Simple Linear Iterative Clustering, SLIC)模型将井下人员图像初始粒化为超像素单元,并通过测量离线样本图像中所标记人员像素点与超像素之间的RGB相似度值判定人员超像素。其次,由邻居超像素辅助检测欠分割人员超像素并将其彻底分割为2个子超像素单元,选择其中之一的精英人员超像素并提取其纹理和灰度特征。接着,将具有最相似图像特征的邻接精英人员超像素定义为同质图像粒,同质图像粒相互融合并聚类形成具有特定语义信息的同质人员区域。最后,由所有同质人员区域共同构成完整的人员区域,并实现人员区域与图像背景的分离。通过对煤矿井下4种场景下的人员图像进行算法性能验证,实验结果表明:超像素粒化算法的F-Measure值分别较对比算法平均值高出2.11%,3.36%,13.16%,6.82%,同质人员图像粒聚类算法精度值分别达到99.0%,100%,94.4%和93.75%,并且所提分割方法对井下4种不同场景中的人员图像均具有较强的鲁棒性和较好的分割效果。     

基于时频图像的齿辊式破碎机中电机轴承故障特征提取方法

齿辊式破碎机中实际运行中电机轴承的振动信号耦合严重，故障脉冲往往显得微弱，故障识别难度大，特别是滚动体和内圈故障的区分。将图像纹理特征提取技术引入故障诊断，提出一种基于时频图像的轴承故障特征提取方法。首先，将聚合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)加入Wigner-Ville时频分析(Wigner-Ville Distribution，WVD)中获得无交叉项干扰的振动时频表征;其次，引入局部二值模式(Local Binary Patterns，LBP)增强时频灰度图像纹理特征，生成对应的LBP谱图;接着，以LBP灰度直方图作为特征量，压缩特征维数后利用主成分分析法(Principal Components Analysis，PCA)约减特征量;最后，将低维特征量输入BP神经网络进行故障分类。在轴承故障诊断实验中，通过和其他算法的对比分析验证了该方法具有较高的故障识别精度，且99.5%的精度充分说明了方法有效性，为准确提取齿辊式破碎机中电机的轴承故障特征提供了一种可靠手段。     

基于ERDAS的遥感影像自动配准

遥感影像配准是遥感图像处理的一项关键技术.文中讨论了遥感影像配准技术在遥感领域中的应用,具体分析比较了几种遥感图像的典型配准算法,归纳总结了遥感领域中图像配准算法的特点,讨论了图像配准技术在遥感领域中的发展趋势,为遥感影像配准算法的选取提供了一定的参考依据.最后结合ERDAS软件的IMAGINE Auto Sync模块完成自动配准实验,并对自动配准的结果进行了分析.     

Relief-MRMR-SVM在煤矸图像分类的研究

煤和矸石的图像分类是实现煤矸自动分选的关键环节。为提高煤矸分选模型的准确性和稳定性,提出了一种结合Relief、MRMR算法及SVM分类器构建的混合式特征选择及分类方法,提取煤矸图像的颜色及纹理共26个特征对其分类进行研究。在提取纹理时联合使用了LBP局部和GLCM全局特征,有助于提高分类的准确性。利用该特征选择方法选出最优特征子集后,用粒子群和支持向量机算法构建PSO-SVM最佳参数模型进行煤矸分类。结果显示,该方法能剔除较多冗余特征,提高煤矸分类的效率|在两个数据集上,该模型的平均分类准确率分别达到96.12%和94.17%,证明了方法的有效性和模型的稳定性。     

基于Quickbird数据的土地覆盖类型分形特征研究

分形维数可以有效地描述复杂纹理特征,传统的遥感自动分类主要利用数据的波谱特征信息,很难充分有效的利用遥感影像的纹理信息。近年来,随着高分辨率遥感数据的广泛使用,如何量化纹理特征,根据不同地物的纹理信息进行地物的分类等问题引起很多学者的关注。在对比不同边缘提取算子提取效果的基础上,对4种典型土地覆盖类型的Quickbird数据进行边缘提取,并在MATLAB平台下计算影像样本盒维数,通过对比发现这些土地覆盖类型盒维数差异显著,在此基础上提出利用分形维数对遥感影像的纹理信息进行量化,从而利用影像纹理信息对不同土地覆盖类型进行有效区分。     

标准最邻近分类法在道路提取中的应用

遥感影像分类的过程即是把分割出来的遥感影像对象和语义类层相互联系在一起,从而使影像对象具体安排到对应的类别中。传统的分类方法不能完全利用遥感影像特征,造成了影像特征空间数据的冗余。为此,将标准最邻近分类法应用到遥感影像信息提取中,并以Econgtion为实验平台进行道路提取。结果表明:这种提取方法操作简单,分类提取的精度较高。     

基于纹理分析的滑坡遥感图像识别

从纹理分析的基本理论入手,结合滑坡遥感图像的特点,探讨了基于纹理分析的滑坡遥感图像识别方法,并对2004年云阳镇拍摄的QuickBird卫星影像进行了识别,识别结果明显,可以大致圈定滑坡形态,为防止滑坡和危害性评估提供更为有利的依据。     

基于灰度和纹理的煤与矸石特征提取研究

探讨煤与矸石图像在灰度与纹理上的异同,应用图像处理技术对煤与矸石图像进行预处理、图像分割,采用灰度特征和纹理特征相结合的方法进行特征提取,并在Matlab上仿真实现。研究结果表明灰度和纹理能有效的描述煤与矸石的特征,具有较好的鉴别能力,可为煤与矸石的识别和分选提供参考依据。     

矿区塌陷区遥感影像改进自适应维纳滤波算法

遥感影像为矿区开采沉陷研究提供了大量可靠的数据,对于提高矿区开采沉陷监测与预计的精度具有重要作用,但由于遥感影像的获取受到矿区成像环境、成像器件固有的缺陷等因素的影响,易混入不同程度的随机噪声,降低了遥感影像的成像质量,导致难以高精度提取矿区塌陷区域的相关数据。为此,提出了一种针对矿区塌陷区遥感影像的滤波算法。该算法首先对自适应维纳滤波算法添加了噪声图像块检测环节,对其进行了适当改进,将改进后的自适应维纳滤波算法用于对遥感影像进行去噪;然后针对去噪后遥感影像对比度不高的问题,采用动态均值算法进行增强处理,即通过设定某一阈值,将遥感影像像素点灰度值划分为亮度异常和亮度正常2个部分,采用亮度正常的像素点灰度值修正亮度异常的像素点灰度值,实现对遥感影像对比度的动态调整。采用一幅某矿区塌陷区的遥感影像分别对新算法、自适应维纳滤波、中值滤波、非局部均值滤波等算法进行试验,结果表明：新算法对于矿区塌陷区遥感影像的滤波效果相对于其余算法而言有一定的优势,对于提高矿区开采沉陷监测与预计的精度有一定的帮助。     

典型火山岩型铀成矿区遥感图像分形特征研究

简要介绍遥感图像分形维数与多重分形谱的计算方法,利用分形方法研究相山和玉华山火山岩型铀成矿区遥感图像特征。研究发现,众多铀矿床分布的相山盆地与仅产出2个铀矿点的玉华山盆地相比,遥感图像不仅具有更大的纹理分形维数,而且多重分形谱明显偏向奇异性指数更小的一侧分布。分析铀成矿区内遥感图像分形维数大小和多重分形奇异性强弱与铀成矿的内在联系,认为遥感图像的分形维数和多重分形奇异性指数可用于指导火山岩型铀矿的区域预测。     

基于小波变换的影像融合算法与效果评价

在众多的图像融合技术中,基于小波变换的图像融合方法已成为目前研究的一个热点。小波变换具有多分辨率等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。在阐述小波变换的Mallat算法的同时,对遥感影像融合的分析与评价进行了深入的探讨,提出了综合利用3类统计参数进行评价的方法。经实验,评价结果与理论分析结果和目视效果相吻合,说明这些参数可以作为遥感影像融合客观效果的评价准则。