面向对象的高分辨率遥感影像数据的道路提取流程——地理国情普查数据的自动提取

为了提高地理国情普查数据生产的自动化程度,针对高分辨率遥感影像的特征,以道路为例,基于面向对象的思想构建了一套通用性较高的数据提取方法流程,并以北京门头沟、河南郑州市作为实验区,证实自动提取规则的有效性。研究结果表明,郊区道路的自动化提取精度比城区道路更高;大比例尺基础数据的引入,可屏蔽掉缓冲区外非道路要素的干扰,提高分类精度。     

高分辨率遥感影像道路提取

针对实际应用中高分辨率遥感影像道路提取自动化程度低的现状,提出了一种半自动的高分辨率遥感影像道路提取方法。方法采用数据预处理、尺度分割、分类以及形态优化的工作流程,对高分一号遥感影像进行道路半自动提取。数据预处理利用NDWI、DNVI获得道路潜在区域,边缘增强突出道路边缘信息;采用多尺度分割切割道路潜在区域,尺度对比法获得道路最优分割尺度;主要依据道路的光谱特征、形状特征制定分类规则集进行分类;运用形态学开启运算、闭合运算优化道路形态。实验结果表明:在样本区域内提取精度达到90%,整景影像提取精度达到80%,且可推广到具有陕北地区地貌特征的高分一号影像道路快速提取应用中。     

迁移学习下高分快视数据道路快速提取

目的 传统的道路提取方法自动化程度不高,无法满足快速获取道路信息的需求。使用深度学习的道路提取方法多关注精度的提升,网络冗余度较高。而迁移学习通过将知识从源领域迁移到目标领域,可以快速完成目标学习任务。因此,本文利用高分辨率卫星快视数据快速获取的特性,构建了一种基于迁移学习的道路快速提取深度神经网络。方法 采用基于预训练网络的迁移学习方法,可以将本文整个道路提取过程分为两个阶段：首先在开源大型数据库ImageNet上训练源网络,保存此阶段最优模型;第2阶段迁移预训练保存的模型至目标网络,利用预训练保存的权重参数指导目标网络继续训练,此时快视数据作为输入,只做目标任务的定向微调,从而加速网络训练。总体来说,前期预训练是一个抽取通用特征参数的过程,目标训练是针对道路提取任务特化的过程。结果 本文构建的基于迁移学习的快速道路提取网络,迁移预训练模型与不迁移相比验证精度提升6.0%,单幅尺寸为256×256像素的数据测试时间减少49.4%。快视数据测试集平均精度可达88.3%。截取一轨中7 304×6 980像素位于天津滨海新区的快视数据,可在54 s内完成道路提取。与其他迁移模型对比,本文方法在快速预测道路的同时且能达到较高的准确率。结论 实验结果表明,本文针对高分卫星快视数据,提出的利用预训练模型初始化网络能有效利用权重参数,使模型趋于轻量化,使得精度提升的同时也加快了提取速度,能够实现道路信息快速精准获取。     

面向对象的高分辨率遥感影像道路自动提取实验

传统的遥感影像道路提取,主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低,效率差,而且依赖参与解译的人,在很大程度上不具备重复性。本文采用面向对象的分类技术,充分利用高分辨率遥感影像中丰富的空间结构信息和地理特征信息,针对实验区中的不同道路类型,在不同尺度下自动提取出道路信息。同时,本实验还提供了一种提取道路的普遍性规则集,提高了道路提取的自动化水平。通过实验表明:该方法提取速度快、精度高。     

珞珈一号融合多源数据的建成区提取北大核心CSCD

针对使用夜间灯光影像提取建成区存在灯光溢出、过饱和等所导致提取精度受限的问题,采用空间分辨率更高的珞珈一号影像,分别结合高精度的兴趣点、道路、归一化差异植被指数和地温数据,构建多个夜间灯光修正指数,引入最大类间方差算法优化动态阈值法来提取建成区,以武汉市为例对建成区提取精度进行研究。结果表明,综合多源数据的城市建成区提取效果普遍要优于单一数据源,但并非融合的数据类型越多建成区提取精度就越高。使用几何平均值法融合珞珈一号、兴趣点和地温数据构建的LPALUI指数提取建成区最精确,可保留丰富的边界和内部空间信息,其总体精度、Kappa系数和F1-score高达93.7%、0.608、0.957,是城市建成区提取的理想多源数据指数。     

一种利用导航轨迹数据的车道信息提取方法

基于轨迹数据提取车道级道路信息的关键在于道路中心线,然而目前已有研究大都基于先验地图或者粗略估算来获取道路中心线,这严重降低了后续车道信息提取与更新的效率和精度。为此,文章提出了一种利用导航GNSS轨迹数据自动提取车道信息的方法。首先,利用自适应K-means聚类方法对导航轨迹进行方向划分并基于轨迹的密度分布实现轨迹数据清洗;其次,根据机动车轨迹在道路上的位置分布进行拟合,实现车行方向道路中心线的提取;最后,基于约束高斯混合模型实现各个路段的车道数量和车道中心线的提取。实验结果表明,该方法可以准确地提取车道信息,其中车道数量精度为79.8%,车道中心线的位置精度接近1 m,车道宽度精度大都优于0.5 m。     

基于机载LiDAR和高分辨率遥感影像的城市道路网提取

利用单个数据源的数学形态学道路提取方法不能充分利用道路的特征,提取的道路信息不完整。针对这一缺陷,并考虑到机载LiDAR数据可以提供高程信息,提出了将机载LiDAR数据和高分辨率遥感影像数据结合起来的城市道路网的提取方法。以徐州市的机载LiDAR数据和高分辨率遥感影像数据作为实验数据,首先将两者进行精确配准,然后利用伪道路信息去除的方法分别将植被信息和建筑物信息等去除,得到基本的道路轮廓,再利用形态细化算法提取道路的中心线,最后,在ArcGIS和Matlab编程环境下实现了改进的道路修剪算法(IRT),利用该算法进行道路修剪,得到了平滑和连贯的城市道路网。经过精度评价可以看出:利用该方法可以较好地避免建筑物阴影、低矮植被群等对道路提取的影响,道路的识别精度达到84%以上。     

基于无人机的道路点云数据分割提取算法

针对机载LiDAR获得道路的数据信息精确度低问题,提出基于无人机的低空扫描三维点云数据,动态拟合提取分割道路信息的算法.首先使用主成分分析法获得道路点数据的法向量,之后将高程信息和法向量信息结合,利用聚类算法获得道路的高程和法向量的范围,提取道路点云数据;其次利用多项式拟合对道路数据进行数学建模;然后通过动态多项式拟合提取出所有路面数据和路面上的资产以及行人车辆数据;最后使用区域生长算法对路面上的资产以及行人车辆数据进行分割.实验表明算法对道路上的遮挡物有很强的抗干扰能力,可以将路面提取出来并将路面上的数据分割进行分割,将本文算法与区域生长算法进行对比,本文算法对路面数据更加敏感.     

利用辅助数据的荒漠区高分辨率遥感分类研究

使用美国NAIP高分辨率航空遥感影像,在多尺度、多变量影像分割的基础上,采用决策树方法建立干旱区半干旱区的荒漠分类规则,并结合水系、道路等辅助地理数据进行干旱区半干旱区面向对象遥感分类.选择位于美国亚利桑那州菲尼克斯大都市区的周边典型荒漠地区为实验区,利用河流、道路等辅助数据进行面向对象遥感分类效果要优于单纯依靠遥感影像的分类,能够有效地提取季节性河流和简易道路.研究对美国亚利桑那州菲尼克斯都市区周边的同一荒漠地区进行了实验,利用决策规则有效提取植被和荒地,以及提取简易道路和土壤,分类总精度从常规面向对象分类方法的82.85％提高到92.45％.研究结果表明:本文提出的分类方法对荒漠地区的泥土路和灌木及其整体分类精度有较大提高.利用辅助数据进行遥感分类可以改善特定研究区的高分辨率遥感影像分类精度.     

机载LiDAR数据提取山区道路方法研究

结合山区道路的空间分布特点和激光点云特征,提出了一种从机载LiDAR数据中快速提取山区道路的方法。首先,利用形态学滤波方法进行点云滤波,以去除原始数据的非地面点(建筑、输电线路以及植被等)。在此基础上,采用基于多规则区域生长算法提取道路点并进行优化、然后采用Freeman链编码方法定位追踪道路边界,并利用数学形态学方法进一步细化道路中心线,进而提取完整的道路信息。利用山区机载LiDAR点云数据进行试验并与其他方法的处理结果进行比较,结果表明:本文方法能够有效地从激光点云中提取道路信息:提取道路的完整度为93.87%,正确率为93.84%,质量为88.43%。     

三维GIS数据的处理与提取方法的研究——以点云数据中提取树木为例

从激光点云数据中对地物和实体的提取是目前的一个热点研究问题.针对这一问题,利用树木在分形理论中非整数维的特点,在从激光数据中提取地物边界的基础上,提出了从激光数据中提取树木的新方法.利用该方法成功地从激光数据中提取了树木.经验证,该方法能较准确地实现激光数据中树木的提取,为今后的自动化提取打下基础.     

基于VSTO的Word数据自动化提取及报告生成系统的设计与开发

随着汽车检测技术的发展,越来越多的汽车检测报告随之生成,但是这些检测报告中的数据不易提取,无法对检测数据的二次加工和分析。鉴于此,本文提出了一种基于VSTO的报告数据自动化提取和报告生成的系统。首先,结合现有检测报告设计Word数据自动化提取模板。然后利用VSTO相关技术对Word进行二次开发,实现对模板数据的自动化提取,并将数据导入到数据库中,便于对检测数据进行多维度的分析。同时,系统可以根据数据库中的数据生成相应的检测报告。     

基于半塔型MRF分割的面向对象图像道路提取

本文尝试基于半塔型多尺度MRF分割算法运用面向对象的方法对道路信息进行提取.运用半塔型多尺度MRF分割可以在某种程度上解决过分割与欠分割的矛盾,而面向对象的道路提取类似于大脑的思维模式,是自动化提取的一种重要方法.结果提取自动化程度提高、速度更快.     

基于高分辨遥感数据的胡杨与柽柳树冠提取

胡杨、柽柳是干旱荒漠区生境的指示种,其树冠提取是荒漠生境遥感定量监测的基础。以塔里木河下游胡杨、柽柳为研究对象,基于QuickBird数据,使用光谱单数据源SVM、光谱结合纹理SVM、面向对象分类和最大似然分类法提取树冠。结果表明:1光谱结合纹理SVM比光谱单源SVM分类精度高9.65%,冠幅估测精度高7.18%,表明高分辨影像上纹理是提高分类精度的重要因素;2面向对象分类法精度最高,分类总体精度86.47%,较光谱单源SVM提高15.67%,较光谱结合纹理SVM提高6.02%,较最大似然法提高22.58%,其冠幅估测精度达87.45%。它兼顾面向对象影像分割与支持向量机方法优点,有效利用分割对象光谱、纹理和空间等信息,较好地解决了其他方法"同物异谱、异物同谱"造成提取树冠破碎的问题,使树冠提取具有较好的稳定性和较高精度。     

涡轮气冷叶片传热分析数据提取技术研究

涡轮气冷叶片传热管网计算是涡轮气冷叶片传热设计的重要环节,针对涡轮气冷 叶片传热设计需求,提出了涡轮气冷叶片模型传热分析数据提取的方法,具体包括计算单元划 分、流路自动判断、网络图生成和传热数据提取等算法。结合涡轮气冷叶片结构特点,使用UG Open API 工具开发了传热分析数据提取系统,实现了涡轮气冷叶片传热分析数据的提取、管理 和输出功能,以用于后续的分析计算,提高了传热设计管网计算的自动化水平,并通过实例验 证了所提出方法的可行性。     

结合影像和LiDAR点云数据的水体轮廓线提取方法

从遥感影像中提取水体的传统方法在阴影处和水体浑浊处存在一定局限;机载激光雷达（LiDAR）获取点云数据时水体受阴影和浑浊的影响小,因此使用点云数据提取水体比使用影像数据更加稳健;但点云数据的分辨率低,所提取的轮廓线精度不高。为了提高水体边缘轮廓线的精确度,提出一种高分辨率影像与点云数据相结合的水体轮廓线提取方法。实验结果表明,该方法所提取的水体轮廓线定位精确、细节完好,水体提取准确率达到98.6%。     

GPS船舶试航数据提取与存储系统的开发

为了提高船舶试航测试系统定位数据的精确性与可靠性,同时适应现代试航测试系统的整体性能要求,开发了一种基于GPS的船舶试航数据提取与存储系统。建立了总体架构,提出了基于多线程的GPS串口通信和SQL数据存储的数据处理改进技术,开发了软件系统。通过测试,证明新技术在提高试航定位数据性能方面效果显著,同时精度符合实际需求。     

电磁兼容图片测试曲线的数据提取方法研究

针对电磁兼容(EMC)测试曲线频带宽、频谱密集重叠、坐标系种类不单一等异于其它测试曲线的特点,提出一种面向电磁兼容图片测试曲线的数据提取方法.利用图像处理方法的多样性,根据图片二维曲线的像素坐标与坐标轴分布关系推导出的数学公式,对图片坐标轴内的有效区域进行像素点遍历扫描,从而实现图片中曲线数据的提取,并通过MATLAB软件实现.对实测曲线图片的数据提取结果表明,该方法精度较高,效率较人工处理提高显著.     

基于高分辨率影像的平原地区农村居民点自动化提取方法研究

基于高分一号(GF-1)多光谱数据研究提出了一种平原地区农村居民点自动化提取方法。该方法充分挖掘利用光谱信息,计算特征影像与新的相似性特征空间。据此,使用分类和阈值分割思想提取居民点初选区域,并避免了传统分类方法在快速自动化提取过程中的不足以及阈值分割造成的影像细节信息的丢失。通过研究选取合适的结构元素对居民点初选区域进行有目的、可控的形态学处理,最终达到农村居民点自动化快速提取的目的。实验结果表明:该方法提取精度良好,总体精度达到86.9%,自动化提取速度快,在农村居民点提取、城镇化规划与建设等研究中有较高实际应用价值。
     

利用Deeplab v3提取高分辨率遥感影像道路

针对传统道路提取方法存在的道路边缘粗糙、抗干扰性弱、提取精度低等问题,提出了一种基于编码解码器的空洞卷积模型(Deeplab v3)的道路提取方法.首先,对原始高分辨率遥感影像进行标注;其次,利用标注数据集对Deeplab v3模型进行训练、测试;最后,得到高分辨率遥感影像道路提取结果.分析结果可知,该模型能够较好地提...