基于环境要素的枯水期水上桥梁目标的定位方法

针对以往水上桥梁检测精度不高,尤其当河水处于枯水期时检测结果依赖检测窗口的选择,以及水上桥梁下方存在湖心岛时桥梁容易被错检等问题,提出基于环境要素提取的高分辨遥感图像中枯水期水上桥梁目标的定位方法。该方法通过提取与目标密切相关的水域、桥体、阴影等环境要素,在桥梁知识模型指导下,经过目标检测、目标定位和描述过程精确定位描述目标。以实际高分辨率遥感图像为例,对该方法进行实验验证,结果表明该方法有效提高了定位检测精度。     

基于国产GF-1遥感影像的面向对象桥梁提取方法研究

以国产“高分一号”2m/8m高空间分辨率遥感图像为数据源,使用基于规则的面向对象的方法实现了对高分辨率影像中桥梁目标的精确提取。首先,经过多尺度分割实验并结合下垫面特征选择最优分割尺度;其次,利用水体指数、阈值函数等方法建立规则集,逐步获取水体和桥梁潜在区的矢量文件;最后,通过二值化、数学形态学处理、叠加分析等方法成功提取桥梁目标。实验结果表明,该方法可以准确、高效地提取出桥梁信息,总体精度在90%以上,Kappa系数在85%以上,在高分辨率遥感影像高精度提取桥梁的实践中具有广泛的适用性,该研究成果或对国产高分影像处理系统的研究与应用提供了一定的科学参考。     

基于面向对象方法的遥感影像桥梁提取

面向对象的分析方法是一种有效的高分辨率遥感影像处理技术,提出一种基于图像对象的水上桥梁识别方法。首先采用区域生长方法对影像进行分割,以分割后产生的图像对象为基本处理单元进行分类,提取出水体类别。然后在分析桥梁目标特征的基础上,利用图像对象的形状特征,以及桥梁和水体的上下文关系特征,提取影像中的桥梁目标。最后以实验验证了所提出方法的有效性。     

基于知识库的遥感图像桥梁识别研究

利用桥梁的特征,实现高分辨率遥感图像中桥梁目标的识别方法。首先建立桥梁特征的知识库,在低层处理中运用链码边界跟踪与边界填充的方法提取出水域;在中层处理中使用Hough变换寻找桥梁线并提取其特征参数;最后在高层处理中对目标进行验证,并在整个过程中加入知识进行指导。该识别软件具有较高的识别准确率。     

高分辨率遥感影像桥梁特征提取方法研究

根据桥梁水体相连的知识,提出了一种基于知识的高分辨率遥感影像水上桥梁提取的实用方法,即在水体提取的基础上将图像细化,通过宽度限制检测桥梁主干线,并对其进行矢量化和特征表达来实现桥梁提取,通过实验证明了该方法的有效性。实验证明此方法不仅适合于水体与陆地灰度差别大,即单峰直方图的影像,还适合于水体与陆地灰度差别不大,即直方图多峰或峰顶不明显的影像。     

高分辨率遥感影像桥梁特征提取方法研究*

根据桥梁水体相连的知识，提出了一种基于知识的高分辨率遥感影像水上桥梁提取的实用方法，即在水体提取的基础上将图像细化，通过宽度限制检测桥梁主干线，并对其进行矢量化和特征表达来实现桥梁提取，通过实验证明了该方法的有效性。实验证明此方法不仅适合于水体与陆地灰度差别大，即单峰直方图的影像，还适合于水体与陆地灰度差别不大，即直方图多峰或峰顶不明显的影像。     

基于同态系统滤波的高分辨率遥感图像河流信息提取

为了解决在高分辨率遥感图像中易受同物异谱现象影响而导致河流信息提取不完整问题,依据河流区域在遥感图像中具有特定频率纹理信息这一特点,提出一种基于同态系统滤波的高分辨率遥感图像河流信息提取方法。该算法通过对遥感图像的频谱分析,确定河流信息在频域中的特征标识,采用一维剖面线加窗短时分析河流定位技术实现了全自动、快速全幅遥感图像河流定位和宽度估计,在同态系统下设计了低通滤波器实现对低频河流信息的提取。该算法采用"高分一号"遥感影像作为实验数据来源,相对于传统利用光谱信息的提取方法具有较高的提取精度,Kappa系数达0.85以上,并且实现全自动提取。实验结果表明所提算法能够快速、有效地提取复杂地貌区域内的河流信息。     

基于改进YOLOv5的光学遥感图像水坝检测研究

目标检测是计算机视觉领域的一个重要应用,针对光学遥感影像的目标检测任务也是当下的研究热点之一。现阶段科技进步的同时带来了一系列环境问题,环境保护已经成为当下值得关注的重点问题。水坝的建设是影响全球环境保护以及资源利用的一个重要因素,对水坝进行监测可以为环境保护工作提供参考依据。为了环境保护后续工作的开展,分析水坝在图像中的位置,该文针对高分辨率光学遥感影像中的水坝目标检测方法进行研究,对比了深度学习三个阶段较为典型的目标检测模型,根据实验结果选用精度较高的YOLOv5通用目标检测模型,并根据遥感图像背景复杂的特性结合CBAM注意力机制提高网络对图像中水坝目标的重点关注。在DIOR光学遥感目标检测数据集中提取含有水坝目标的图像并验证模型精度,实验表明YOLOv5-CBAM在并不显著增加模型大小的情况下比YOLOv5运算能力强,并且AP50可以达到86.4%,比仅使用YOLOv5的模型AP50提高了3.2百分点。     

基于深度学习的遥感图像目标检测与识别

为解决目前的遥感图像目标检测算法存在的对小尺度目标检测精度低和检测速度慢等问题,提出了一种基于深度学习的遥感图像目标检测与识别算法。首先,构建一个含有不同尺度大小的遥感图像的数据集用于模型的训练和测试;其次,基于原始的多尺度单发射击（SSD）网络模型,融入了设计的浅层特征融合模块、浅层特征增强模块和深层特征增强模块;最后,在训练策略上引入聚焦分类损失函数,以解决训练过程中正负样本失衡的问题。在高分辨率遥感图像数据集上进行实验,结果表明所提算法的检测平均精度均值（mAP）达到77.95%,相较于SSD网络模型提高了3.99个百分点,同时检测速度为33.8 frame/s。此外,在拓展实验中,改进算法对高分辨率遥感图像中模糊目标的检测效果也优于原多尺度单发射击网络模型。实验结果说明,所提改进算法能够有效地提高遥感图像目标检测的精度。     

基于相位一致特征的CBERS-02B遥感图像自动配准

以CBERS-02B卫星HR高分辨率和CCD多光谱遥感图像数据为基础,针对基于特征的自动配准方法中的特征检测与特征匹配两个关键步骤,通过引入性能优良的相位一致特征检测方法和特征相似与空间关系相结合的特征匹配策略,实现了一种基于相位一致特征的遥感图像高精度自动配准方法。实验结果表明,该方法对遥感图像亮度和对比度具有不变性,能稳定可靠提取HR高分辨率和CCD多光谱遥感图像显著的点特征,精确匹配相位一致特征点,实现了CBERS-02B卫星不同谱段,不同传感器和不同时相遥感图像间高精度自动配准,所进行实验的自动配准精度均到达了优于0.3 像元的系统配准精度。因此,该自动配准方法适合应用于有高配准精度要求的遥感图像间自动配准。     

Extraction of bridges over water from high-resolution optical remote-sensing images based on mathematical morphology

Bridges over water are typical man-made structures on the land’s surface. An accurate extraction of such bridges from high-resolution optical remote-sensing images plays an important role in civil, commercial, and military applications. Considering the complex features of ground objects within high-resolution optical remote-sensing images and the inefficiency of previous methods of bridge extraction with random bridge orientation, direction-augmented linear structuring elements were constructed and applied in this study by using mathematical morphology to identify and extract bridges over water with different orientations. First, the image pre-processing is performed to facilitate the object extraction. Then by using the histogram-based threshold segmentation method, water bodies such as rivers are extracted and described as a binary image. Based on water bodies, the appropriate direction-augmented linear structuring element is then selected. Together with mathematical morphology operations, such as dilation and erosion, potential bridges are extracted by overlay analysis. Assisted by prior knowledge of bridges, false bridges are screened out and post-processing is finally performed to refine the extracted true bridges. This approach was validated with experiments in Shanghai and Beijing, China. The results show that the direction-augmented linear structuring elements are of high precision and have the capability of extracting bridges over water in different directions within the high-resolution optical remote-sensing image, considering both qualitative and quantitative aspects. Therefore, this approach may be useful in updating geographical databases of bridges and facilitating the assessment of bridge damage caused by natural disasters.     

基于对象关系特征的高分辨率光学卫星影像水上桥梁目标识别方法

利用卫星遥感技术对大中型桥梁进行识别定位,在民用上和军事上都具有很重要的意义。本研究提出了一套利用基元对象关系特征提取高分辨率卫星影像中水上桥梁的技术方法。首先利用多尺度分割算法对高分辨率卫星影像进行分割,利用水体指数或GLCM同质性纹理特征区分河水和陆地;其次,利用对象形状特征和相邻的关系特征提取桥梁潜在区;将河流片段和桥梁潜在区专题二值化,利用数学形态学算子实现河流水面的连续化;最后利用叠加分析的方法获得最终的桥梁目标。本方法充分利用了桥梁与河流相邻和相交的空间关系特征,利用QuickBird和IKONOS高分辨率卫星影像进行实验,证明所提出的方法可以高精度的实现大中型水上桥梁的识别定位。     

梁式桥参数化建模专家系统

在桥梁养护行业,传统桥梁病害检测方式向数字化检测转型已成为该行业发展趋势,而桥梁三维可视化是实现数字化检测的基础.一般的梁式桥参数化建模程序,具有"一经写定,不易修改"的弊端,为了避免这一问题,提高参数化建模的灵活性与可扩充性,采用了一种将专家系统与梁式桥参数化建模相结合的方法,该方法结合专家系统理论知识、梁式桥结构知识和梁式桥组件及全桥参数化建模过程,设计了梁式桥快速建模专家系统.主要内容包括知识库的分类设计、知识库的数据库表设计、知识表达方式的选取、组件建模推理机制及全桥建模推理机制,以及参数化建模时部件、组件、全桥建模算法.使用该方法进行梁式桥建模结果表明,该方法能够根据用户给出的少量主要参数准确完成桥梁组件及全桥的参数化建模,用户通过修改知识库,就能改动参数化建模所依赖的结构计算知识.该方法增加了参数化建模的灵活性及可扩充性.     

Extraction of bridges over water from IKONOS panchromatic data

Compared to remote sensing images of medium or low spatial resolution, high‐resolution remote sensing images can provide observation data containing more detailed information for georesearch. Accordingly, an important issue for current computer and geoscience experts is to develop useful methods or technology to extract information from these high‐resolution satellite images. As part of a series of research into object extraction, this paper focuses mainly on the extraction of bridges over water from high‐resolution panchromatic satellite images. Since bridges over water are obviously adjacent to water in remote sensing images, this paper proposes a practical knowledge‐based bridge extraction method for remote sensing images of high spatial resolution. The steps involved are: water extraction based on Gauss Markov Random Field (GMRF)‐Support Vector Machine (SVM) classification methods which use a SVM to classify the image based on textural features expressed by a GMRF; image thinning and removal of fragmented lines; main trunk detection by width; vectorization; and feature expression. Finally, tests are described for two pieces of panchromatic IKONOS satellite images with a 1 m resolution. The experimental results show that the proposed method is suitable for images with a single‐peak histogram (contrast between water and land is sharp) or a multi‐peak histogram (greyscale value of water is close to that of land).     

高分辨率遥感图像中桥梁自动识别方法研究

提出一种针对高分辨率遥感图像中桥梁自动识别新算法。该算法从桥梁与河流的位置关系出发,结合遥感图像的成像特点和桥梁目标的形状特征,运用模糊处理,轮廓搜索和直线拟合识别桥梁目标。整个算法流程大致可分为三个步骤,首先在底层处理运用二维特征模糊分割水体区域;然后在中层处理中,通过水体轮廓搜索潜在桥梁点,并进行直线拟合提取初略桥梁目标;后处理中则对由于环境干扰所造成的断点进行连接,恢复出完整桥梁。试验结果表明该文算法具有识别速度快,识别准确率高及虚警率低等优点,且整个算法完全自动,不需人工干预。     

基于CCD的桥梁变形三维实时监测系统

为确保桥梁安全运行,及时掌握建筑结构的健康状况,需要对桥梁变形进行连续动态的监测;提出了一种基于CCD图像测量的桥梁变形监测方法;系统用CCD相机对远距离目标进行连续成像,然后进行目标识别和跟踪测量,并采用五点平均法抑制大气抖动,最后根据多个相机在不同方向测得的数据进行数据融合,形成物体的三维实时运动信息;理论和实验都表明该方法能达到亚毫米级的测量精度.