U-net深度学习神经网络结合面向对象的城市森林高分影像信息提取

城市森林结构复杂、分布破碎,采用高分遥感数据,通过深度学习等智能机器学习算法精准监测提取城市森林信息,是城市森林资源智能监测管理的关键性基础环节。本文以杭州市余杭区部分城区WorldView-3高分卫星遥感影像为数据源,采用改进的U-net深度学习神经网络,并结合面向对象多尺度分割方法,研究城市森林智能精准提取。首先,通过大量的训练数据获得最佳模型参数;其次,使用U-net网络进行语义分割得到分类结果图;最后,结合面向对象最优分割修正深度学习城市森林提取结果,从而最终得到城市森林提取结果。研究表明,(1)基于改进的U-net深度学习神经网络得到的城市森林总体分类精度达90.50%,Kappa系数为0.886;(2)经面向对象分割对U-net深度学习神经网络结果中的"椒盐现象"及边界地物错分现象进行修正后,分类总精度提高到93.83%,Kappa系数提高到0.9295。因此,U-net网络模型结合面向对象方法可以有效地改善遥感目标识别及地物分类的效果,保证城市碎片化植被提取与植被区域边界的准确性,从而提高城市森林植被提取精度。     

车载激光点云中行道树及属性信息提取

由于地物遮挡、数据残缺、噪声等因素的影响,从车载激光扫描数据中提取行道树及其属性信息具有一定难度。针对此问题,提出了一种基于随机森林和车载激光点云数据的行道树及属性信息提取方法。首先,从多角度构建点云特征向量,利用随机森林对特征重要性进行度量和排序,选择对分类起积极作用的特征子集作为训练样本;其次,利用随机森林构建预测模型并对点云进行分类,提取行道树点云;最后,通过基于密度的聚类算法获取单株行道树,并以单株行道树为数据处理单元获取其树高、胸径、冠幅等属性信息。实验结果表明,使用该方法提取的行道树及其属性信息均呈现出较高精度,验证了本文方法的有效性。     

基于面向对象的高分影像城市房屋信息提取与分析

本文利用基于面向对象的高分遥感影像房屋信息的提取方法,使用多尺度分割结合同一特征的地物融合方式区分成互不交合的地物图像,并结合目标地物的各类属性特征、关系特征,辅以地物的边缘信息来提取房屋信息。结果证明,基于面向对象的提取信息方法分类精度更高。基于面向对象高分遥感信息提取方法与传统的基于面向像元分类方法相比,更加有利于提取高分遥感图像里的房屋。     

基于C1C2C3彩色不变特征的阴影检测与辐射恢复研究

阴影是遥感影像的基本特征之一,它将干扰图像匹配、图象变化检测或图像中信息的提取,而去除阴影则是遥感图像处理的难题。本文利用C1C2C3彩色不变特征中的C3将阴影与黑色区域分解开来;用方差作纹理滤波来提取阴影区边界;参考非阴影区相同地物像素亮度值来恢复阴影区像素的亮度值。并且用IKONOS城市区域影像进行了实验,实验表明该方法可真实再现阴影区地物特征,增加影像信息量,提高数据质量。     

多车道复杂环境下前方车辆检测算法

为了解决智能车安全辅助驾驶系统中前方车辆目标的检测问题,提出了一种基于改进阴影多特征与深度网络学习的车辆检测算法。基于前方车辆与本车存在安全距离,选取道路图像底部几行作为候选道路背景并对其预处理排除干扰,通过差分得到车底阴影增强图像。利用自适应阈值法确定图像灰度分割阈值并对道路二值化图像进行形态学预处理。然后,利用最小外接矩形框选候选车辆目标,结合车底阴影几何位置特征、对称度特征进行滤波生成车辆假设。最后,基于局部二值模式纹理特征和深度学习方法验证车辆假设。实验结果表明:在复杂干扰的多车道环境中,算法可以有效地检测前方车辆目标。     

一种基于光谱与纹理特征的多光谱遥感图像地物分类方法

基于光谱特征对高分辨率多光谱遥感图像进行地物分类易形成噪声,提出一种光谱特征与纹理特征相结合的地物分类方法。首先基于光谱特征与纹理特征利用四叉树技术,对图像进行分块处理,以图像块的方式提取地物的光谱特征和纹理特征,然后采用支持向量机(support vector machine,SVM)对图像块进行地物分类,并通过区域增长方法对边缘区域进行处理,使得分类区域边界清晰。对Quickbird多光谱遥感图像进行实验,实验结果表明,该方法地物分类结果精度较高、区域一致性强、噪声少。     

基于X射线CT的混凝土内部裂纹识别研究

利用医用CT设备采集了完整单轴压缩作用下的混凝土断面图像,分别采用阈值分割、聚类和图像差值三种算法提取了混凝土内部裂纹,讨论了三种算法提取混凝土内部裂纹时各自的优缺点,并对裂纹提取结果进行分析和评价。结果表明:阈值分割和聚类算法均难以区分裂纹和孔隙,图像差值算法不仅可以较好地提取裂纹,还能区分裂纹与孔隙;阈值分割和图像差值算法均需要通过大量试验确定合理阈值,聚类算法不需要设定阈值,可以避免选择阈值导致的人为误差;基于差值算法得到的差值图像可以定量描述裂纹的演化过程;随着CT设备的不断发展,图像差值算法将在混凝土细观结构研究中应用越来越广泛。     

基于GF-1影像的矿区地物提取与分析

以唐山市古冶矿区为对象进行地物信息提取,将矿区地物分为七大类并运用混淆矩阵对三种方法进行精度分析。研究表明:面向对象的多尺度分割方法提取效果,避开了"椒盐现象"分类总精度可达88. 547 0%。     

靶标特征点提取亚像素精度阈值分割算法研究

以视觉测量中摄像机标定的圆阵列靶标特征点提取为研究对象,提出一种亚像素精度阈值分割算法,用于圆阵列平面靶标标定特征点的精确快速提取。使用灰度阈值分割方法定位像素级边缘,并应用双线性插值法细分像素点实现亚像素边缘轮廓的提取,在精确获取轮廓控制点的基础上,采用最小二乘椭圆拟合法精确获取圆阵列靶标标定特征点。实验分析对比了该算法以及基于梯度的Canny和Sobel算子的亚像素边缘检测算法在标定特征点定位精度和执行时间方面的差异,验证了亚像素精度阈值分割算法在提取精度和运算速度方面的优越性。     

视盘自动分割算法

针对多数视盘提取算法因不均匀光照导致检测精度不高的问题,提出了1种基于阴影校正的视盘自动分割算法。首先,利用Otsu方法分割视网膜红色分量眼底图像,提取和填充最大连通区域,均值滤波后得到视网膜掩膜图像,并与视网膜红色分量眼底图像卷积;其次,运用特定形式的均值滤波器平滑视网膜图像边界点,创建视网膜阴影图像;最后,将卷积图像减去阴影图像,再次利用Otsu方法进行分割,提取最大连通域并填充,应用"圆盘形"结构元素进行形态学"开"运算提取最终的视盘图像。将所提出的算法在视网膜眼底图像有1 200张的MESSIDOR数据库和40张的本地数据库分别进行验证。实验结果显示,所提出的算法平均重叠率分别为0.895和0.91,高于目前相关视盘分割算法,表明即使在非均匀光照条件下也能获得满意的分割结果,基本能够满足临床应用对稳定性和精度的要求。