基于植被似然建模与阴影的建筑物提取

提出了一种基于植被似然建模与阴影的彩色遥感影像建筑物提取方法.采用三原色(RGB)色彩空间中的高斯混合模型(GMM)对植被进行离线色彩特征建模,剔除植被信息的影响;采用Mean-Shift分割算法对图像进行过分割,在此基础上提取出建筑物阴影区域,然后对提取结果进行适当的后处理;通过计算阴影区域像素距离确定候选区域,并采用二次判别分析(QDA)分类器对图像进行分类,实现建筑物的提取.实验证明:方法能有效提高建筑物提取的精度.     

基于成对区域的单幅图像阴影快速检测方法

传统基于成对区域的阴影检测方法在复杂纹理区域容易产生过分割现象,计算复杂度高,检测效果也受到了一定程度的影响。本文在原方法的基础上,提出利用聚类的方法对分割后的纹理区域重新进行合并,以减少过分割;同时根据成对分割区域的相关特性,构建支持向量机函数进行分类,以提高算法效率,改善阴影检测效果。仿真实验结果表明,与原方法相比,本文方法的检测效率大大提高,对复杂纹理图像的阴影检测结果也更加准确。     

结合色度和纹理不变性的运动阴影检测

目的：在运动检测中,运动物体产生的阴影常常被错误地检测为运动物体本身,为了将阴影从检测结果中消除,本文提出了一种色度不变性和纹理不变性相结合的运动阴影检测方法。方法：首先从阴影的物理模型出发,直接在RGB颜色空间利用色度不变性来获得候选阴影区域,然后根据颜色信息对候选阴影区域进行分割,对每个子区域,利用一种基于局部二值模式的指标来度量其与对应背景区域的纹理相似程度,进而判断该子区域是否是阴影,从而得到最终的检测结果。结果：在公开测试集上的实验结果表明我们的方法可以有效地检测出运动阴影,相对于几种常用的阴影检测算法具有一定的优势。结论：本文将像素级水平和区域级水平阴影检测方法结合起来,提出了一种结合色度不变性和纹理不变性的运动阴影检测方法。实验结果表明,在多类复杂场景中,本文方法都能有效地将运动阴影检测出来,具有较强的鲁棒性。     

Research on Classification of Land Cover based on LiDAR Cloud and Aerial Images

Aerial images contain abundant spectral information,texture information and spatial information,and airborne LiDAR can provide three-dimensional information of ground objects.An object-oriented classification method was researched by taking advantages of the two types of data.Converting LiDAR point cloud into 2-D raster image by preprocessing,and matched it with aerial image.Then,multi-scale segmentation algorithm was applied to image segmentation based on spectral information and height information.Next,XGBoost algorithm were applied to select features extracted from segmented object respectively.The SVM classifier was used to classify and prove the superiority of XGBoost algorithm by comparing with two traditional feature selection algorithms：Relief and RFE.Finally,objects at shadow regions were distinguished and merged into real objects based on certain rules.Testing the method in three regions,the results showed that the method was feasible and effective,and could be well applied to the classification of urban ground object.     

多特征组合的深度图像分割算法

深度图像直接反映景物表面的三维几何信息,且不受光照、阴影等因素的影响,对深度图像处理、识别、理解是目前计算机视觉领域研究的热点和重点之一。针对深度图像信息单一且噪声较大的特点,提出一种基于组合特征的阈值分割算法,实现对深度图像数据的有效分割。算法首先通过梯度特征对图像进行Otsu阈值分割;在此基础上,分别在不同分割区域内利用深度特征进行Otsu多阈值分割,得到候选目标;然后,在空域上利用像素的位置特征对候选目标进行分割、合并与去噪,最终得到图像分割的结果。实验结果表明,该方法能有效克服深度图像中噪声的影响,得到的分割区域边界准确,分割质量较高,为以后的室内对象识别和场景理解工作奠定了较好的基础。     

基于图割的单幅图像影子检测

为了准确检测单幅图像中的影子, 提出一种基于图割的影子检测方法. 首先,使用均值漂移将原始图像分割为若干区域并记录区域之间的边界. 其次,利用支持向量机分类器分别获得分割图像中的候选影子边界和候选影子非影子区域对. 然后,利用候选影子边界两侧的区域信息及候选影子非影子区域对信息构造一个能量函数, 该能量函数反映了将图像中一部分区域划分为影子区域而另一部分区域划分为非影子区域时所需的代价. 再次,结合该能量函数构造出无向图,并证明所构造的无向图的最小割对应能量函数的最小值. 最后,通过图割算法求解该能量函数得到最终的影子检测结果. 实验结果表明,与现有代表最新进展的单幅图像影子检测方法相比,所提方法提高了影子检测结果的准确性和连续性.     

Corresponding regions for shadow restoration in satellite high-resolution images

ABSTRACT

High spatial resolution images available by satellites such as Ikonos, Quickbird, and WorldView-2 provide more information for remote sensing applications, such as object detection, classification, change detection, and object mapping. The presence of shadow reduces the amount of information that can be extracted and consequently makes these applications more difficult or even impossible. In this article, a shadow restoration approach for high-resolution satellite images is proposed. The approach detects the shadow area and segments the image into regions according to the land surface type. Then, shadow restoration is carried out for each region based on the degree of correspondence between shadow and neighbouring non-shadow regions. The proposed approach is applied to study areas from Ikonos and WorldView-2 satellite images. A comparison to the standard approaches for shadow restoration is performed, and an accuracy assessment is carried out by visual inspection and land-cover classification. The results show that the enhanced shadow regions using the proposed approach have better appearances and are highly compatible with their surrounding non-shadow regions. In addition, the overall accuracy is higher than those of the standard approaches.     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树。其基本思路为：首先 利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最 后根据面积对水体进行补充识别。与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法 （DBSCAN）描述的空间密度特征区分城市水体和建筑物阴影。对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18%,虚警率为13.82%,表明本方法是基于 中分辨率多光谱影像提取城市水体的有效方法。     

基于阴影概率模型的遥感影像阴影检测方法

阴影区像素光谱响应的不一致性使得依据阈值获取的阴影检测结果与真实情况出入较大。针对这一问题,结合不透明度和亮度两种信息设计了一个全新的阴影概率模型。在此基础上,针对邻域像素信息未能充分利用的问题,提出了一个基于多尺度马尔可夫随机场(MRF)的遥感影像检测方法。首先,用所提出的模型描述多尺度影像中像素的阴影概率;然后,使用Potts模型建模多尺度标记场,同时兼顾尺度内和尺度间的邻域像素的交互关系;最后,基于最大后验(MAP)概率准则获取最终阴影检测结果。通过与色调亮度比值方法、差分双阈值方法、主成分分析法和支持向量机分类方法的对比实验证明,所提出的方法能够提高高分辨率城区遥感影像的阴影检测精度。     

An automatic shadow detection method for high-resolution remote sensing imagery based on polynomial fitting

Most existing shadow detection models and algorithms require extensive calculations and have difficulties effectively removing features, such as water bodies, some dark objects and bluish ground objects. In this paper, we propose a high-resolution automatic shadow extraction algorithm based on the process of histogram fitting. First, the histogram of the whole image is fitted by fourth and fifth-degree polynomials according to the histogram difference of the near-infrared bands of different shadow areas in the remotely sensed image. Second, the shadow area is preliminarily extracted based on the relationships between the shadow features of the remote sensing image and the intersections of the fourth- and fifth-degree polynomials. Then, the normalized difference water index (NDWI) is applied to extract the water bodies. Finally, to obtain the shaded area, the scanning line seed filling algorithm is applied to remove the water bodies falsely detected as shadows in the preliminary shading extraction. The proposed algorithm is evaluated by using the various high-resolution images including GaoFen-1 (GF-1), GaoFen-2 (GF-2), QuickBird2, and ZiYuan-3 (ZY-3), as well as an elaborate comparison to histogram threshold segmentation algorithms such as Component 3 (C3) algorithm, multi-elements extraction algorithm multi-band detection algorithm, and spectral correlation algorithm based on spectral features. The results of experiment showed that the proposed algorithm could extract the shadows of various images, achieve satisfied results, and completely remove water bodies.     

集成特征分量的高分二号影像阴影检测

针对高分辨率遥感影像中阴影检测精度易受水体、植被等因素干扰的问题,通过分析高分二号影像中典型地物的光谱特征,构建了一种集成特征分量与面向对象分类相结合的阴影检测方法。构建的特征分量包括：主成分第一分量PC1、亮度分量I、归一化差分植被指数NDVI及水体指数WI。将各特征分量进行归一化处理,建立包含波段均值、标准差等特征的规则集,对影像的I和PC1分量进行多尺度分割 ,结合面向对象的方法进行阴影检测。选取不同区域遥感影像进行实验,实验结果表明:与传统基于像素的阴影提取方法相比,该方法提取出的阴影斑块完整,且能有效地减弱水体和植被的影响。     

集成特征分量的高分二号影像阴影检测

针对高分辨率遥感影像中阴影检测精度易受水体、植被等因素干扰的问题，通过分析高分二号影像中典型地物的光谱特征，构建了一种集成特征分量与面向对象分类相结合的阴影检测方法。构建的特征分量包括：主成分第一分量PC1、亮度分量I、归一化差分植被指数NDVI及水体指数WI。将各特征分量进行归一化处理，建立包含波段均值、标准差等特征的规则集，对影像的I和PC1分量进行多尺度分割 ，结合面向对象的方法进行阴影检测。选取不同区域遥感影像进行实验，实验结果表明:与传统基于像素的阴影提取方法相比，该方法提取出的阴影斑块完整，且能有效地减弱水体和植被的影响。     

各向同性同质区域选取的高光谱遥感图像噪声估计方法

在现有高光谱遥感图像噪声估计方法中,同质区域的选取通常是最关键的步骤,有效的同质区域选取方法能够提高图像的噪声估计精度。本文充分利用了高光谱遥感图像中丰富的空间信息和光谱信息,提出了一种各向同性同质区域选取算法,其中,为了更好地区分同质区域内像元相似度,构造了一种新的兰氏-光谱角度量;结合基于多元线性回归的去相关法,通过最优区域评估高光谱遥感图像噪声水平。利用不同结构及信噪比的模拟图像和真实高光谱遥感图像进行实验,通过与现有的多种噪声估计方法比较,验证了本文方法在针对不同噪声水平、不同复杂程度的图像时更加准确和稳定。     

基于多特征融合的车辆阴影检测与去除

基于ViBE目标检测算法,融合交通监控视频中车辆的边缘与颜色特征,提出一种基于多特征融合的算法,实现对复杂交通场景中车辆阴影的检测与去除。通过ViBE提取前景目标,采用串行融合方式检测阴影。首先在传统的基于边缘特征检测阴影的基础上,利用水平集方法代替水平垂直填充,实现多个前景目标内部边缘的快速填充。在获取候选的阴影区域后,结合HSV颜色特征以及形态学处理等操作,以达到更好的阴影去除效果。通过对不同的视频图像序列进行测试,表明提出的多特征融合算法能有效去除投射阴影,且优于单个特征方法,适用于复杂的交通场景。     

基于混合注意力模型的阴影检测方法

图像中阴影区域的存在会导致图像内容的不确定性,不利于其他计算机视觉任务,因此常将阴影检测作为计算机视觉算法的预处理过程.然而,现有的阴影检测算法大多采用多级网络结构,导致模型训练困难,虽然已经提出了一些采用单级网络结构的算法,但它们只关注了局部的阴影,忽略了阴影之间的联系.针对该问题,为提升阴影检测的准确率和鲁棒性,提...     

Shadow detecting using particle swarm optimization and the Kolmogorov test

An algorithm combining both gray level information and geometric features is introduced to detect cast shadows in gray level images. A simply connected candidate shadow region and a corresponding region are segmented by setting gray level thresholds, and neighbor-matching regions are constructed with a mathematical morphological algorithm. A shadow-non-shadow region pair is obtained from the result of Kolmogorov test for statistical features of both candidate neighbor-matching regions. Shadow regions are obtained by selecting the region with relatively lower average gray level from the matched region pair. The particle swarm optimization (PSO) algorithm is used to facilitate the feature extraction during the matching process. Experimental results showed the effectiveness of the proposed algorithm for cast shadow detecting in a single gray level image.     

应用通道增强MSER与CNN的维吾尔文本区域定位

为了准确有效地定位出图像中的维吾尔文本区域,提出了一种基于通道增强最大稳定极值区域（Maximally Stable Extremal Region,MSER）和卷积神经网络（Convolutional Neural Network,CNN）的图像文本区域定位方法。应用通道增强MSER提取候选区域,根据文本特征的启发式规则以及CNN分类结果去除非文本和重复区域,通过区域融合算法得到词级别文本区域,根据该区域的色彩相近程度和空间关系召回遗漏的文本区域,并通过CNN网络对召回的区域分类融合,定位出图像文本区域。实验结果表明,该方法可以准确有效地定位文本区域,具有鲁棒性和应用性。     

基于交叉皮质模型的单幅图像阴影检测算法

图像中含有阴影区域对后续处理任务影响较大, 根据阴影特性, 提出基于交叉皮质模型(Intersecting cortical model, ICM)的单幅图像阴影检测算法. 通过在点火连接矩阵构造上考虑邻域像素值依赖关系, 融入局部二值模式(Local binary pattern, LBP)表征的纹理信息形成了Te-ICM模型. 根据阴影检测流程,利用模型迭代特性, 通过设计停止条件自动检测本影, 在本影修复后生成附着半影. 同时优化模型参数, 设计了基于分层聚类直方图划分的阈值下降策略. 仿真结果表明: 对于典型影像集, Te-ICM模型及相应参数设计可以较好地实现阴影检测, 输出阴影掩模准确度高, 为后续阴影去除提供了基础.     

结合网格密度聚类的行人检测候选域生成

目的 行人检测是计算机视觉领域中的重点研究问题。经典的可变形部件模型（DPM）算法在行人检测领域素有高检测精度的优点,但由于在构建特征金字塔前处理过多召回率低的候选区域,导致计算速度偏慢,严重影响系统的实时性。针对该问题,本文对模型中选取候选检测区域的流程进行了改进,提出一种结合网格密度聚类算法和选择性搜索算法的行人检测候选对象生成方法来改进DPM模型。方法 首先使用三帧差法和高斯混合模型收集固定数量的运动物体坐标点,然后结合基于网格密度的聚类算法构建网格坐标模型,生成目标频繁运动区域,同时进行动态掩层处理。随后引入改进的选择性搜索算法,结合支持向量机（SVM）训练得到的行人轮廓宽高比,提取该区域中高置信度的行人候选检测窗口,从而排除大量冗余的区域假设,完成对候选行人检测区域的精筛选,最后融合至DPM算法进行行人检测。结果 所提方法在PETS 2009 Bench-mark数据集上进行检测,实验结果表明,该方法对复杂背景下的检测有较强的稳定性,与传统DPM模型相比,精度提高了1.71%、平均对数漏检率降低2.2%、检测速度提高为3.7倍左右。结论 本文提出一种基于网格密度聚类的行人检测候选域生成算法,能够有效表达行人信息,与其他行人检测算法相比,有更好的精度和更快的速度,在检测率、检测时间方面均有提高,能够实现有效、快速的行人检测,具有实际意义。     

基于边缘检测和特征融合的自然场景文本定位

文本定位作为文本识别的基础和前提,对图像深层信息的理解至关重要。针对自然场景下的文本定位受光照、复杂背景等因素影响较大的问题,提出了一种基于多方向边缘检测和自适应特征融合的自然场景文本定位方法。该方法首先将自然场景图像进行三通道八方向的边缘检测;然后 通过启发式规则 对得到的边缘图像进行过滤从而提取出备选文本域,进而对备选文本域进行自适应权值的HOG-LBP特征提取与融合;最后采用支持向量机进行特征分类学习,实现文本定位。实验结果表明,该方法能准确定位自然场景图片的文本区域,对光照和复杂背景具有较强的鲁棒性。