基于图像配准的高分辨率遥感图像道路追踪

本文从图像配准的角度,提出了一种新的半自动地从高分辨率遥感影像中提取道路的方法。此方法通过种子点自动获取道路影像模板,并采用扩展的Kalman滤波方法进行预测,在预测点附近选取目标窗口,通过最速梯度下降法在目标窗口内快速搜索与模板最相似的影像,如此往复,进而实现道路追踪。我们在多幅0.61m分辨率的QuickBird影像上进行了实验,结果表明:此方法能够快速、准确地提取道路,需要的人工干预少,具有一定的越障能力,有较好的鲁棒性。     

基于引导滤波的遥感图像融合算法

针对目前遥感图像融合算法的不足,提出了一种基于引导滤波的遥感图像融合算法。该算法通过引导滤波器求取加权系数,对小波变换后的小波系数和近似系数进行加权融合,针对融合后得到的小波系数和近似系数应用小波反变换,最终得到融合图像。实验结果表明,文中提出的融合算法所得图像内容丰富、细节清晰、具有良好的实验效果。     

基于小波方向滤波的有云层遥感图像舰船检测方法

提出了小波分析和方向滤波相结合的有云遥感图像目标检测方法。首先对原始遥感图像进行小波分解,采用比率-平均边缘检测法检测人造目标的边缘方向,在该方向上进行Frost滤波,有效抑制云层干扰的同时突出了人造目标及其边缘信息;然后进行阈值分割并剔除大块云层,根据区域的平均边缘梯度剔除小块云层,实现了有云遥感图像的舰船目标检测。实验证明,该方法能减少遥感图片云层对舰船检测的影响,并具有较高的目标检测率。     

基于模型的单幅高分辨SAR图像建筑物高度反演方法

高分辨合成孔径雷达(SAR)图像的丰富使得建筑物三维信息获取成为城区遥感的一项重要研究课题.针对单幅SAR图像建筑物的高度估计问题,提出了一种基于模型的高度反演方法.该方法遵循假设检验的思路,通过正交投影模型实现模型假设的快速生成,并设计了基于分割的似然函数,利用模拟退火算法在高维模型假设空间中搜索最优解.基于模拟和实测机载SAR图像的实验验证了算法的有效性.     

基于多层特征上下文编码网络的遥感图像场景分类

遥感图像场景分类问题是目前遥感图像处理领域中的研究热点之一。卷积神经网络(Convolutional Neural Networks,CNNs)具有强的特征提取能力,已被广泛应用于遥感图像场景分类中。然而,目前的方法并没有充分考虑并利用CNN不同层间的互补信息和遥感图像的空间上下文信息,导致其相应的分类精度有待提高。针对上述问题,提议一种多层特征上下文编码网络,并将其用于解决遥感图像场景分类问题。所提议网络由两部分组成:1)密集连接的主干网络;2)多尺度上下文编码模块。前者用于融合CNN不同层的特征信息,后者用于对蕴含在多层特征中的空间上下文信息进行编码利用。在两个大规模遥感图像数据集上的实验结果表明,与现有的遥感图像场景分类方法相比,所提出的网络框架取得了显著的分类精度提升。     

一种高分辨率遥感影像建筑物提取方法

采用了一种基于独特像元的快速自动提取建筑物的方法,如线与线之间的交叉点。首先,在预处理阶段采用边缘保留双边滤波器降低噪声,提高建筑物边缘的对比度;其次采用EDLines线段探测器实时准确地提取建筑物线段;最后,采用图表搜索感知分组的方法分层次组织预判线段为候选矩形建筑物。实验证明,该方法可以实现遥感影像建筑物的准确和快速提取。     

基于图割与阴影邻接关系的高分辨率遥感影像建筑物提取方法

高空间分辨率遥感影像的建筑物自动提取能够加速城市基础地理数据库的更新进程.建筑物提取方法存在的一个亟需解决的问题是建筑物轮廓难以准确提取.本文通过建筑物的阴影特征和图割提出一种在高分辨率遥感影像中识别与提取建筑物的方法.首先,基于势直方图函数检测阴影;然后,以长宽比和矩形度作为约束条件从图割结果中筛选出候选分割对象;最后,利用开运算、膨胀和腐蚀分别对阴影进行处理,计算处理后的阴影和候选分割对象之间的邻接关系得到建筑物及其轮廓.为了验证本文方法的有效性,选取PLEIADES影像中6幅具有代表性的子图像进行试验,结果表明本方法的平均查准率和平均查全率分别达到92.31%和74.23%.     

高空间分辨率遥感影像建筑物提取研究综述

遥感影像上建筑物提取的基础理论研究始于20世纪80年代,本文首先对遥感影像上建筑物提取的研究历史进行分析,总结高分辨率航空相片或卫星影像提取建筑物等人工地物信息的主要方法,从影像数据、分辨率与方法几个方面概括建筑物提取的发展历史。深入分析建筑物自动提取三个主要类别的提取方法,即基于区域分割的方法、基于直线和角点检测与匹配的方法、利用辅助知识的方法,在此基础上,总结高空间分辨率遥感影像建筑物提取研究的现状以及发展趋势。     

卫星遥感图像中河流的快速提取方法

利用高分辨率卫星遥感图像中河流的灰度和几何特性,提出了一种从卫星遥感图像中快速提取河流的方法.该方法首先将原图像划分成互不重叠的图像子块,利用图像子块的灰度均值和标准差的统计特征将其二值化,然后对图像子块进行四连通标记,最后利用连通区域的面积和体态比几何特征提取河流目标.对真实高分辨率卫星遥感图像进行的实验验证了该方法的有效性.     

面向对象的高分辨率遥感影像建筑物信息提取

为实现建筑物单体信息的高精度提取,采用基于规则的面向对象方法,提出了一种经图像预处理、多尺度分割、构建规则信息和特征提取的技术流程.以基于国产高分二号卫星的扬州市两个样本区(佳家花园小区和联谊南苑小区)为例对该方法进行了实验验证,研究结果表明:与传统方法相比,新方法提取的效果更好、精度更高,识别精度达到97.7％,Ka...     

基于对象的Boosting方法自动提取高分辨率遥感图像中建筑物目标

遥感图像空间分辨率的提高,在极大丰富地物目标信息含量的同时,也使得一些传统的目标提取方法受到较大挑战。该文结合基于对象的思想和Boosting算法,提出一种新的针对高分辨率遥感图像中建筑物自动提取的方法。该方法通过构建对象网络关联图像分割和识别,有效解决了一般方法中采用预先定义形状和大小的滑动窗检测目标时效果不佳的问题。然后针对建筑物的目标特性训练有效特征分类器,并利用标记置信度来综合分析图像的各类信息,完成目标提取及后续处理。实验结果表明,该方法可用于提取多种类型和结构的建筑物,准确率高、鲁棒性好,具有较高的应用价值。     

融入空间关系的GMM全色高分辨率遥感影像监督分割方法

为了解决高分辨率遥感影像中相同地物目标异质性和空间破碎性增大及不同地物目标的相似性增强所带来的分割新问题,该文提出一种融入空间关系的高斯混合模型(GMM)高分辨遥感影像监督分割方法。该方法首先按分割区域进行监督采样,并通过最小二乘法进行直方图拟合,对影像中的每个类别区域建立GMM用来精确表征高分辨遥感影像每个分割区域复杂的地物光谱特征;然后在GMM的概率测度域融入空间关系,使每个像素的区域所属由该像素邻域窗口内所有像素概率测度共同决定,以刻画高分辨率遥感影像中像素间的空间相关性;最后按照最大概率测度原则完成对高分辨率遥感影像的分割。为了验证文中算法的可行性与有效性分别对合成影像及真实高分辨率遥感影像进行分割实验,并和经典的FCM方法及HMRF-FCM方法进行对比,定量与定性的结果证明了文中方法能够提高分割精度。     

基于Snakes模型的高分辨率遥感影像城区道路提取方法研究

基于主动轮廓模型（Snakes）理论研究了高分辨率遥感影像道路的提取。针对高分辨率遥感影像中道路特征,通过改进现存方法得出更为适合道路提取的主动轮廓模型,并利用其完成道路提取工作。通过对1 m分辨率的IKONOS影像进行实验,结果表明该方法能够较好地提取出城市高分辨率影像中弯曲道路的完整对称边缘信息。     

一种边界引导的多尺度高分辨率遥感图像分割方法

针对高分辨率遥感图像分割过程中区域合并复杂性问题,提出了一种基于边界引导的多尺度遥感图像分割算法.一方面应用SUSAN算子提取高分辨率遥感图像中地物的边界用于限制区域增长过程;另一方面进行两阶段增长,首先应用基于图的分割算法进行基于像素的区域生长,然后进行考虑对象特征信息的区域合并.对宜昌城区某处融合后的QuickBird彩色图像进行了实验,并分别与无边界引导分割以及eCognition平台下图像分割效果进行了对比.结果表明,该方法可以有效抑制传统图像分割算法在低对比度区的区域融合问题,突破了分割尺度参数不能在全图取得合理分割的局限性.     

基于小波变换的高分辨率遥感图像复原算法实现

为了促进遥感图像的后续研究,针对高分辨率遥感图像实现了基于小波变换的迭代收缩（IST）图像复原算法。考虑到算法在复原过程中对内存需求较大,实现过程中采用内存映射文件的方法,将高分辨率遥感图像映射到进程地址空间。针对分块复原图像时通常会伴有边缘跳变现象,影响拼接后的图像质量的问题,使用特殊分块策略对图像进行分块处理。复原算法在VC平台下实现,通过遥感图像复原实验,并对复原图像进行评价分析,复原性能和效率良好。     

基于空间语义模型的高分辨率遥感图像目标检测方法

该文提出一种基于空间语义模型的方法,用于高分辨率遥感图像复杂场景中典型地物目标的自动检测。该方法通过分割获取图像对象,引入主题模型统计对象的多维特征,提高了对象特性描述的精度。在此基础上,对图像中有意义的地物目标及它们之间的空间关系建模表达和定量计算,通过获取场景的语义解析树,辅助实现对复杂地物目标的准确提取和定位。在测试数据集上的实验结果表明,该文方法具有较高的智能化程度和较强的稳定性。     

影像配准中遥感影像库的应用

在目标变化检测和识别过程中,影像的高精度配准是极为重要的环节,它直接决定了变化检测和识别的成败,然而配准过程中参考影像的获取和配准控制点的提取一直是工程实践中的难点;以遥感影像库为配准参考影像,提取配准控制点,对系统内部处理的遥感影像进行精确配准,很好地解决了不同分辨率参考影像的获取和有效控制点的提取,并使待配准影像和影像库数据获得一致的地理坐标系统,能取得较好的效果。     

基于PCA-K-means的卫星遥感图像的颜色特征提取技术

结合主成分分析（PCA）和K均值聚类算法（K-means）的特点,本文提出了一种对卫星遥感图像进行颜色特征提取的PCA-K-means算法.该算法去除了图像的R、G、B之间的相关性,在动态聚类的基础上,采用基于区域分类的空间一致性原则合并空间信息,使得该方法能高效的描述卫星图像的颜色特征.实验结果表明,该方法识别性能好,准确度高,是对多频谱遥感图像的颜色特征提取的一种有效的方法.