基于阈值分割和形态学的甲骨拓片文字定位方法

甲骨拓片上甲骨文字定位及分割是甲骨文识别的关键,定位的好坏将直接影响到拓片上甲骨文字的识别率。为了尽可能准确地将甲骨拓片从复杂的噪声中分离出来,首先对原始拓片进行选取合适的阈值实现对文字的粗略分割,然后运用形态学方法进行细定位。通过对《甲骨文合集》中的甲骨拓片图像实验数据进行基于阈值分割及形态学处理验证表明,该方法能够较好地实现拓片文字的定位。     

基于道路中心线的分阶段弱监督遥感图像道路提取

利用语义分割算法从卫星图像中提取道路已经成为遥感道路监测任务的主流解决方案。然而,不同地理环境下卫星图像中的道路纹理复杂多变,加之道路的像素级标注成本昂贵,因此在训练语义分割模型时大量使用像素级标注的方法是不现实的。对此,提出了一种分阶段弱监督道路提取算法,利用道路中心线涂鸦标签进行弱监督训练,并分阶段地训练道路分割模型。此外,还提出了伪掩码更新策略和混合训练策略,设计了适用于道路前景和背景的损失函数。实验结果表明,所提算法在道路分割任务中比其他基于道路中心线的弱监督方法具有更优异的性能,而消融实验结果也验证了所提训练策略的有效性。     

一种高分辨率影像道路中心线提取算法

针对传统道路提取算法欠缺几何特征的考虑以及中心线提取不光滑的问题,提出一种基于形状特征和多元自适应样条回归(MARS)的遥感影像道路中心线提取算法.算法首先改进了传统的长宽比指数,然后利用该指数对遥感影像分割结果进行滤波,提取线性特征;在此基础上,结合光谱特征从线性特征中提取纯净道路段,最后利用多元自适应样条回归算法提取道路中心线.采用Matlab语言编程实现道路提取算法,并采用3幅高分辨率遥感影像对算法进行了验证.试验结果表明:改进后的长宽比指数可以有效地提取线性特征;同时,相比于传统的道路中心线提取算法,利用多元自适应样条回归算法提取的中心线更加光滑.     

基于CBERS-02B高分辨率遥感影像分割的最优尺度选取

高分辨遥感影像的信息提取对矿山的监测有着重要意义,影像分割是高分辨率遥感影像信息提取关键的一步．文中以赣州稀土矿山的高分辨率遥感影像为源数据,采用分形网络演化多尺度分割算法对高分辨率遥感影像进行分割,通过Robert算子的边缘提取结果计算分割参数获取分割尺度,并在此基础上设置不同分割尺度对影像进行分割,对比分析分割结果表明,沉淀池的最优分割尺度为35．最后利用分割质量值对分割结果进行评价分析,验证了试验结果的正确性．     

一种遥感图像中机场跑道的提取方法

针对遥感图像的特点,提出了一种遥感图像中机场跑道的提取方法.该方法利用数学形态学对遥感图像进行增强,然后采用最大类间方差选取阈值进行阈值分割,再提取机场连通域,最后经细化后对图像进行两次Hough变换提取跑道.首先对图像进行粗提取得到跑道区域,再对跑道区域进行细提取得出机场跑道.实验结果表明,该方法能够准确提取遥感图像中的机场跑道.     

基于深度学习的遥感图像道路分割

为在遥感图像中提取出来道路信息,利用深度学习技术,引入U²-Net模型进行遥感图像道路分割。相比于传统的道路提取方法,基于U²-Net方法可以实现道路的自动化提取。为验证U²-Net模型分割效果,选取U-Net、DeepLabV3+等近几年较为流行的语义分割方法进行对比试验,并进一步分析U²-Net显著图融合模块中卷积核对道路提取效果的影响。试验结果表明,U²-Net模型能较有效地提取出道路信息,模型在测试集上的平均交并比达到了76.49%,Kappa达到了0.701 2,分割精度优于U-Net、DeepLabV3+等语义分割方法。基于U²-Net模型的深度学习方法可以用于解决遥感图像中的道路分割问题,并具有较好的分割效果。     

一种遥感影像道路提取的改进U-NET模型

针对U-NET网络在提取遥感图像道路的过程中出现精度损失和训练速度缓慢的问题,提出了一种改进的U-NET语义分割网络模型。先在编码器和解码器中间加入以级联方式连接的扩张卷积层,在扩大中心部分特征点感受野的同时保留特征图的空间信息,解决了U-NET网络在进行道路提取时精度损失的问题;再针对采用数据增强进行数据集扩充而导致的训练收敛变慢的问题,使用了ELU激活函数,改善了网络训练效率低的问题。实验表明,本文U-NET网络对道路的提取精度得到了明显的提升,可以准确提取出遥感图像中的道路要素且效率较高,并且在与传统U-NET的对比中优势较为明显,其各项指标正确率、召回率和F₁综合指标分别达到86.79%、 83.12%和84.91%,较传统U-NET分别提升2.06%、 1.83%、 1.94%,具有较好的应用前景。     

一种利用方向模板的遥感影像道路提取方法

道路连接是自动提取道路信息的关键技术,设计了一种方向模板用于道路的自动搜索和连接,并给出基于该方向模板的道路提取方法。首先对原始遥感影像进行边缘信息增强处理,然后用增强处理后的图像作为线特征增强系数,与原图像对应相乘,增强道路线特征;再结合图像的8连通性,统计每个连通成分像素点的个数,设定阈值去除点噪声和短线段噪声,得到不连续的道路段;最后利用方向模板,在给出道路起始点和终止点的基础上,利用该模板的方向规则连接道路。实验结果表明,该方法具有很强的适应性,提取的道路精度高,效果好。     

面向对象的高分辨率遥感影像城市地物信息提取研究

以沈阳东陵区IKONOS影像为实验数据,采用面向对象分类,构建包含光谱特征、几何特征、纹理特征、拓扑关系等规则的知识库,对城市地物信息进行提取,并将其与基于像素方法的分类结果进行对比分析。研究结果表明：基于多尺度分割的面向对象的分类方法可以有效地避免传统的基于像素分类时出现的＂椒盐＂现象,分类结果更加符合人类的思维方式,更接近真实值,总体分类精度达到92.5%,比基于像素分类方法更适合作为城市地物专题数据库更新的有效方法。     

基于细化分割的遥感影像水体边缘轮廓提取

为实现遥感影像的水资源特征识别,需要对遥感影像中的地表水体边缘信息进行有效检测识别,提出了一种基于细化分割的遥感影像水体边缘轮廓提取识别方法。采用卫星遥感技术进行高分辨率遥感水陆场景图像成像,通过灰度像素增强技术进行遥感影像空间分辨率增强处理,在不同场景纹理中进行遥感影像空间像素特征重构,以中心像素的灰度值为阈值建立遥感影像陆地地物的空间结构特征辨识模型,采用细化分割方法进行遥感影像的水体边界点分割处理,采用形态学滤波方法进行遥感影像水体边缘轮廓检测过程中的细化分割和滤波,对水陆粗分离结果进行形态学闭运算处理,根据细化分割结果进行水体边界平滑处理,实现对遥感影像水体边缘轮廓的提取。仿真结果表明:采用该方法进行遥感影像水体边缘轮廓提取的精度较高,水体边界平滑性较好,轮廓特征的辨识度较高。     

Automatic Road Extraction Using Particle Filters from High Resolution Images

1 Introduction Automatic road extraction from digital imagery has been an active research area in computer vision, photogrammetry, remote sensing and geographic information system (GIS) communities for over two decades. A number of semiautomatic and automatic methods and algorithms for road extraction have been developed. Those approaches may involve template matching[1–2], heuristic reasoning[3–4], dynamic pro- grammming[5–6] or stochastic tracking[7–8]. Our approach to road extraction …     

融合低秩和形态学的高光谱影像特征提取

高光谱遥感影像具有较高的光谱分辨率,能够精细刻画地物的反射光谱,具有很高的地物分类与识别能力. 但高维波段之间通常具有较高的相关性,冗余度高,为影像处理和分析带来负担. 针对高光谱影像特点的特征提取和选择为有效提取信息提供了保障. 提出一种融合低秩和形态学的特征提取方法(MSEMP),利用低秩来精简高光谱影像中的冗余信息,获取秩最小的光谱紧致表达,并在此基础上利用多形态多尺度结构元素提取形态学剖面,获取影像空间特征. 实验对AVIRIS和ROSIS传感器的两组数据进行测试,通过MSEMP提取特征后进行分类实验,可以获得较高的分类结果,证明了低秩和形态学相结合的特征提取方法的有效性.     

基于数学形态学的遥感图像边缘检测方法研究

提出了一种基于双结构元形态学的遥感图像边缘检测方法,与经典边缘检测算法的仿真比较表明,其算法在边缘连续性、边缘定位精度和地物细节体珥方面都取得了良好效果。     

空间分辨率对水体遥感信息提取的影响

以庐山及其周边作为研究区域,以MODIS、Landsat ETM+、SPOT以及GeoEye为数据源,对比分析了不同空间分辨率影像上水体的表现特征和影像所提取的水体结果的差异. 结果表明:在地形较为平坦、边界较为规整、水体面积较大的区域,空间分辨率对提取效果的影响较小;反之,提取面积误差会随着空间分辨率的降低而增大. 在地形平坦、边界规整、水体面积较大的区域,ETM+影像能很好地满足精度要求;而在地形崎岖、边界粗糙、水体面积较小的区域,综合考虑精度要求、经济成本和时间成本,适合采用分辨率为10 m的SPOT影像提取水体.     

卫星遥感图像空间分辨率适用性分析

从卫星遥感图像空间分辨率的定义出发,简述了影响卫星遥感图像空间分辨率的几种因素。根据各研 究领域和研究层次对卫星遥感空间分辨率的不同需求,给出其相应的空间分辨率。从测绘制图的角度确定了不 同比例尺地图所需要的卫星遥感图像空间分辨率大小。讨论了当前主要遥感信息源的应用范围,并结合案例对 其适用性进行了分析,最后指出了卫星遥感技术目前存在的一些问题,提出了几点看法。     

基于数学形态学和HIS模型的彩色舌图像分割

从数学形态学的基本理论出发,利用数学形态学能描述图像形态特征的特点,结合ＨＩＳ模型,充分考虑图像的彩色信息,提出了基于数学形态学和ＨＩＳ模型的舌图像分割算法,实验结果表明,本算法具有较好的分割性能．     

基于分维的遥感影像最佳分割尺度研究

针对面向对象的遥感技术中对象最优分割尺度难题,提出了基于分维的定量确定最优分割尺度算法。算法通过分析分维值变化规律和最优分割尺度之间的定量关系,发现分维值变化稳定区间与遥感对象最佳分割尺度范围相对应,因此可以通过对象分维-尺度关系,确定遥感对象的最佳分割尺度,一定程度上解决了最优分割尺度难于确定的难题。     

基于ALOS遥感影像的湿地地表覆被信息提取研究

为了验证ALOS遥感影像湿地地表覆被信息提取的可行性,以黑龙江省三江平原典型内陆淡水沼泽湿地为研究对象,通过ALOS遥感影像波段的光谱及纹理特性分析,探讨适合水体、旱地、水田、沼泽、林地、建设用地、草甸等覆被类型的分类特征;基于非监督、监督及面向对象分类方法,遴选能实现最优分类结果的特征组合,为湿地地表覆盖分类数据源及方法的选择提供参考。结果表明:非监督、监督及面向对象分类方法的总体精度分别达到63.86%、96.14%和85.26%;非监督分类方法整体分类效果不够理想;面向对象方法虽然得到了相对较高的分类精度,但是针对建设用地、林地及草甸地类信息提取的精度处于较低水平;监督分类方法能取得较好效果,最适合于湿地地表覆被信息提取。