基于改进的K-means法的高分辨率遥感影像道路提取

针对高分辨率遥感影像中道路提取存在的特征利用问题,提出一种基于改进的K-means算法的道路提取方法。首先根据遥感影像的具体场景进行相应的预处理;在此基础上,利用改进的K-means算法融合道路的光谱特征和纹理特征对图像进行分类,得到初始道路区域;然后利用道路的几何特征滤除非道路区域;最后采用数学形态学方法完善道路信息,得到最终结果。实验结果表明,该方法能实现复杂场景中道路提取,并拥有较好的效果。     

面向对象卷积神经网络的耕作梯田提取北大核心CSCD

针对目前高分辨率遥感影像耕作梯田提取方法普遍精度不高的问题,提出一种面向对象与卷积神经网络相结合的方法。以福建省南平市为例,构建面向对象卷积神经网络,利用高分辨率GF-2和ZY-3遥感数据进行耕作梯田精细提取,并对比分析深度学习与传统方法、不同分辨率数据源以及不同分类器对提取效果的影响。结果表明:该方法总体精度达到87.1%,Kappa系数为0.76,与采用低层次特征的随机森林分类对比,总体精度提高了10.2%;分别结合深层次特征与随机森林、XG Boost和Ada Boost分类器,总体精度差异小于2%;该方法基于GF-2影像的提取精度较ZY-3提高了4.6%。此方法可有效表征高分辨率影像梯田对象的深层图像特征,并顾及影像中梯田的边界信息,实现了梯田的精细提取。     

基于改进SIFT算法的山谷地形影像匹配

针对山谷地形的低空影像中地貌单一且特征不易提取的问题,本文对SIFT算法改进,融合Harris特征提取算法优势,得到一种可用于山谷地形下低空无人机影像特征提取与匹配的算法。算法首先利用Harris算法和SIFT算法分别提取特征点,对两种算法提取的特征点进行合并,然后运用SIFT算法对合并后的特征点进行描述,再利用特征点特征向量的欧氏距离进行粗匹配,最后利用RANSAC算法进行精匹配来提高匹配精度。为了验证该算法的有效性,选用一组山地影像数据进行实验并与SIFT算法进行比较,结果表明:算法有效地提升了山谷地形影像上特征点匹配精度。     

无人机影像与地形指数结合的梯田信息提取

目前,通过卫星遥感、低空遥感影像自动,半自动化解译梯田信息有一定的研究进展,但是受数据获取成本、精度、解译方法单一等限制,只限于大面积提取梯田区域。低成本地进行梯田的田面精准提取以及面积统计仍需进一步研究。本文基于面向对象方法分别对0.5m分辨率的无人机正射影像和地形指数,及两种数据的结合进行梯田区域分割、提取及面积统计。结果表明,将正射影像数据与地形指数结合的梯田的田面提取结果优于基于单一数据源。     

一种卫星遥感影像村庄区域提取算法

卫星遥感影像提取村庄区域在地理和气象领域均有十分重要的意义.针对卫星遥感影像的特点,提出了一种村庄区域提取方法.利用改进的去雾算法对卫星遥感影像进行预处理,通过遥感卫星影像的颜色特征实现分割,结合村庄区域分布特点进行去噪处理,实现卫星遥感影像村庄区域的提取.实验结果表明:该算法能够对卫星遥感图像中不同类型村庄区域进行提取,且提取准确率高,可以应用于地理以及气象等领域.     

基于AdaBoost的高分辨率遥感影像城市绿地提取算法

针对高分辨率遥感影像中城市绿地的光谱、纹理及NDVI等特征,提出了一种基于多特征、多检测器组合的高分辨率遥感影像绿地提取算法。该算法分别以城市绿地的光谱信息、纹理及NDVI来构造提取绿地的弱检测器,并通过AdaBoost算法进行训练,将弱检测器加权组合构成提取绿地的强检测器。对武汉地区Quick Bird影像进行了绿地提取实验,实验结果表明该方法可以高效并准确地提取出绿地信息,优于传统的单一采用光谱信息或纹理信息的绿地提取算法。     

基于肤色分割和AdaBoost算法的彩色图像的人脸检测

文章提出了肤色分割和AdaBoost算法结合的人脸检测算法。首先,对彩色图像进行肤色分割,通过人脸肤色的统计特征得到候选人脸区域：然后,基于AdaBoost算法,使用由强分类器组成的级联分类器对候选人脸区域进行扫描,最终得到精确定位的人脸。实验证明,该方法具有肤色检测快速和AdaBoost算法误检率低的优点,可以有效的运用于多姿态、多人脸和复杂背景的情况。     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性,基于布料模拟滤波算法,提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法,对剔除粗差后的点云建立格网索引;其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值,通过计算真实高程与拟合高程差值实现高程归一化;然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态,进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试,结果表明:改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%;I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%,且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上,对不同地形具有较强的自适应性,且提高了滤波计算效率。     

一种基于AdaBoost的人脸检测算法

针对常规基于肤色检测的AdaBoost算法的不足, 提出了一种改进的AdaBoost人脸检测算法,算法包括人体肤色模型、人脸运动检测模型、改进的背景提取方法、针对人脸区域的光照增强方法。算法综合利用了人体肤色信息和人脸运动信息,能有效缩小搜索范围。实验结果表明,该方法与常规基于肤色检测的AdaBoost方法相比,在保证检测性能的基础上,有效提高了检测速度。     

基于协方差特征的裁剪AdaBoost算法

针对Haar-like特征的缺陷以及AdaBoost算法存在训练耗时的问题,提出一种基于协方差特征的改进AdaBoost人脸检测算法。该方法用协方差特征代替Haar-like特征进行特征提取;然后使用特征裁剪和动态权重裁剪相结合的裁剪AdaBoost算法,训练得到基于协方差特征的强分类器。实验结果表明,相对于基于Haar-like特征的AdaBoost算法,该算法性能没有明显退化且很大程度上提高了训练速度。     

基于肤色及AdaBoost算法的改进的人脸检测方法

提出一种结合肤色检测及AdaBoost算法的改进的人脸检测方法。首先利用肤色检测得出可疑的人脸区域,然后由改进的AdaBoost算法检测出人脸并标示,应用于智能监控系统中,并设置报警模块,可将可疑人脸信息记录入视频服务器。实验证明,肤色检测可以检测出复杂背景中的肤色区域,可以减少AdaBoost算法的扫描区域,进而减少检测时间;改进的AdaBoost算法在强分类器训练阶段加入判决函数,提高了人脸检测的准确性。     

全卷积神经网络遥感影像道路提取方法

针对人工选取简单特征提取道路效果不理想以及深度神经网络隐藏层信息应用较少的现状,提出一种基于全卷积神经网络的遥感影像道路提取方法。采用初始区域获取、中心线提取、中心线校正的工作流程对资源三号影像进行道路提取。首先自动标注训练样本,完成全卷积神经网络训练,借助卷积层等隐藏层提取的复杂特征获取道路区域;然后依据道路长宽比、形态学运算和格拉斯-普克(Douglas-Peucker,DP)算法完成干扰图斑滤除和断裂区域连接等工作;最后使用Zhang-Suen算法提取中心线,并利用网络首层卷积结果进行中心线校正。实验结果表明,该方法能借助自主学习的特征和网络隐藏层信息实现道路较好提取,不同实验区域中平均准确度在90%以上。     

结合LBP特征和深度学习的人脸表情识别

对于人脸表情识别,传统方法是先提取图像特征,再使用机器学习方法进行识别,这种方法不但特征提取过程复杂且泛化能力也差。为了达到更好的人脸表情识别效果,文中提出一种结合特征提取和卷积神经网络的人脸表情识别方法。首先使用基于Haar-like特征的AdaBoost算法对于数据库原始图片进行人脸区域检测,然后提取人脸区域局部二值模式（Local Binary Patterns,LBP）特征图,将其尺寸归一化后输入到改进的LeNet-5神经网络模型中进行识别。在CK+和JAFFE数据集上采用10折交叉验证方法进行实验,分别为98.19%和96.35%的准确率。实验结果表明该方法与其他主流方法相比在人脸表情识别上有一定的先进性和有效性。     

改进的肤色提取法在人脸检测中的应用

研究了人脸检测中的肤色提取问题,针对常用的肤色模型提取法提取效果较差、去除背景较少的缺点,逐个分析常用肤色模型的优缺点,提出综合肤色模型提取法(CCM),并结合AdaBoost算法进行人脸检测.试验论证,上述方法去除复杂背景效果好,使肤色区域能够准确的从非肤色背景中分离出来.人脸检测过程中,通过调整AdaBoost人脸检测算法中的检测窗口的放大倍数和移动步长,加快了检测速度.检测数据表明,该方法有效地提高了检测率,减少了检测时间.     

基于肤色和AdaBoost算法的彩色人脸图像检测

针对肤色检测对复杂背景下的图像误检率高和AdaBoost算法对多姿态、多人脸图像检测效果不理想的问题,将基于肤色的人脸检测与基于AdaBoost算法的人脸检测结合起来,提出一种新的人脸检测方法,即首先利用肤色和形态学操作分割肤色区域,再根据人脸区域的统计特性筛选出人脸候选区域,然后用AdaBoost级联分类器对候选区域扫描,以精确定位人脸.实验表明,该方法同时具有肤色检测正确率高与AdaBoost算法误检率低的优点,可以有效地运用于多姿态、多人脸和复杂背景的情况,具有较好的检测效果.     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性，基于布料模拟滤波算法，提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法，对剔除粗差后的点云建立格网索引；其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值，通过计算真实高程与拟合高程差值实现高程归一化；然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态，进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试，结果表明：改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%；I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%，且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上，对不同地形具有较强的自适应性，且提高了滤波计算效率。     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性，基于布料模拟滤波算法，提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法，对剔除粗差后的点云建立格网索引；其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值，通过计算真实高程与拟合高程差值实现高程归一化；然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态，进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试，结果表明：改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%；I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%，且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上，对不同地形具有较强的自适应性，且提高了滤波计算效率。     

基于人脸特征和AdaBoost算法的多姿态人脸检测

基于人脸特征和AdaBoost算法,提出一种改进的多姿态人脸检测算法。首先利用肤色特征快速排除绝大部分背景区域,然后在肤色区域中搜索眼睛和嘴巴区域,根据眼睛和嘴巴区域的几何特征所确定的人脸方向分割出大致正向的人脸候选区域,最后利用AdaBoost算法对候选区域进行分类。实验表明,算法能实现多姿态人脸的快速检测,而且对脸部表情和遮挡有较强的鲁棒性。     

曲线约束Delaunay三角剖分及在地形构建中的应用

针对采用约束Delaunay三角剖分算法构建地形时如何确保地形数据中的曲线约束条件在剖分结果中存在的问题,提出提取能够反映地形自身几何特征的特征点的方法对约束曲线进行直线段逼近,并对允许逼近误差的取值给予分析和验证。实现了使用较少的点对约束曲线进行最大程度逼近;在解决约束直线段不在Delaunay三角剖分中的问题时,提出在原约束曲线上进行加特征点细分的方法;针对地形数据量大构网时间长的问题,改进Delaunay三角网格生成算法。实验结果表明算法能够确保约束曲线在网格中存在,提高了对原曲线的逼近程度且提高了运算效率。算法可以实现对复杂区域的正确处理。     

园林景观设计中融合SVM的高分辨率遥感影像道路提取研究

为提高园林景观设计中高分辨率遥感影像道路提取的精度及效果,提出一种融合SVM的高分辨率遥感影像道路提取方法。该方法首先结合Mean Shift算法与数学形态学运算(简称MS-MMO)进行影像阴影提取;再根据阴影提取结果对原始影像阴影区域进行亮度补偿后输入SVM,得到初步提取的道路图像;然后利用高斯滤波算法进行图像平滑处理,利用边缘滤波、纹理滤波等算法去除图像中的非道路区域,得到道路区域提取图;最后基于张量投票提取道路中心线,基于“交点”搜索方法去除道路中心线上的毛刺,完成道路提取。实验结果表明,MS-MMO的具有较好的阴影提取精度及效果;根据MS-MMO输出的阴影提取结果对原始影像阴影区域进行亮度补偿后,道路提取的整体性能更高;融合SVM的高分辨率遥感影像道路提取方法提取的道路完整性、正确性、质量分别达到92.4%、92.7%、89.0%,道路提取性能较好,且道路具有连通属性,在该方法提取的道路图像上进行园林景观设计,可有效提升道路植物配置效果。