分割道路影像并形成道路网的新方法

根据卫星影像提取道路信息过程,提出了一种从高分辨率卫星影像中提取道路网的新方法.先找到一点处纹理和灰度一致性最优方向,以此方向上的纹理描述值构成分割用特征矢量,将MRF模型应用于特征空间分割出道路目标.接着用改进的直线段匹配法去除以错分点组成的斑块,并借助仿真实验手段取得道路段中心线.连接中心线形成道路网.仿真结果验证了新方法的正确性.     

结合区域生长和GVF-Snake的遥感影像道路提取

基于待分割目标的灰度特征分布,提出了一种能自适应地改变生长准则参数的区域生长方法。将该自适应区域生长算法与GVF-Snake模型相结合用于高分辨率遥感影像道路提取,即用自适应区域生长方法提取出大致的道路区域,对生长出的道路图,利用数学形态学进行内部腐蚀并获得道路区域轮廓线,以该轮廓线作为GVF-Snake模型的初始轮廓,利用GVF-Snake模型进行道路跟踪,得到最终的道路提取结果。实验结果表明该方法能有效地提取高分辨率遥感影像中的道路目标,具有一定的实用性和鲁棒性。     

基于最优尺度的遥感影像土地覆盖分类仿真

土地覆盖遥感影像是国家的战略性、基础性资源,真实、准确和实时的土地覆盖类型信息对科学保护和合理利用土地资源至关重要。随着大数据时代遥感影像数量快速增长,已有算法的准确性和稳定性无法满足土地覆盖情况分类需求。为进一步提升土地覆盖分类准确率,提出一种基于最优尺度分割与特征融合的方法。首先针对预处理后的遥感影像,利用局部方差计算出分割的最优尺度,并以尺度为基准优化过分割、欠分割影像;然后以分割后的影像为基准,采用局部二值模式算子(LBP)及神经网络提取土地影像的纹理特征和光谱初级特征;最后将影像的两种特征有机融合,并利用支持向量机分类器(SVM),构建了土地遥感影像分类模型(OSF-SVM模型)。分割仿真结果表明,与已有方法相比,文中的尺度分割技术在RR、RI及ARI指标上具有所提高,平局提升了10.83%;分类仿真结果表明,较传统SVM模型相比,OSF-SVM模型在R、P以及F₁指标上分别平均提高了4.1%、3.9%和4%。因此,通过最优尺度分割和特征融合构建的OSF-SVM遥感影像土地覆盖分类模型,提高了影像分割及分类的精确度与稳定性。     

一种形态重建的遥感影像城市道路提取方法研究

以QuickBird多光谱影像为例,提出一种从高分辨率遥感影像中提取城市道路的方法。首先利用直方图均衡化对原始遥感影像作增强处理,突出影像的边缘信息。用Otsu自动阈值分割法对增强处理后的图像进行初步分割,提取出城市道路和房屋等建筑物。根据图像中各类要素的形态特征差别构建不同的标记图像,采用不同的结构元素构建道路模型,用该模型对阈值分割后的图像进行形态重构,分别提取出城市道路和建筑物。对形态重构生成的道路模块进行优化处理,提取出城市道路轮廓。实验结果表明,该方法能有效地从高分辨率遥感影像中提取出城市道路网。     

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。     

基于相位编组的高分辨率遥感影像道路信息提取

从高分辨率遥感影像中提取道路信息已有许多研究,但仍存在许多问题有待解决.本文主要研究高分辨率遥感影像上城市道路信息的提取,从四个方面开展,即:遥感影像的预处理、阀值的确定、直线与曲线的提取以及道路信患在原图上的显示.传统的相位编组方法主要针对直线的提取,本文对其进行了改进,得到了一种基于相位编组的半自动提取道路信息的方法.实验中首先结合灰度形态学与Canny算子,得出信息较全的道路边缘轮廓信息,然后根据不同形状的道路模型,运用灰度值参数对相位编组法进行改进,提取出比较准确的道路信息.针对现代城市中常见的立交桥,特别是对其曲率较大的中心部分信患,该提取方法表现出了一定的优越性和适用性,实验结果较为理想.     

利用角度纹理特征提取高分辨率遥感影像中城市主干道路

目的 路网密度是一个地区交通可达性的重要指标,获取影像中的道路像元是计算路网密度的首要环节。本文利用高分遥感影像中城市主干道路光谱特征沿道路方向趋向一致的特性,提取城市主干道路。方法 通过分析像元点的角度纹理图,根据最小灰度方差所在方向设计2维Gabor滤波器。用滤波值数组作为每个像元的表征,借助k均值聚类分割策略将道路像元提取出来,并细化为主干道路网。结果 以完全率、正确率和提取质量作为精度评价指标,以k均值聚类作为分割策略,当分割对象分别为灰度值、灰度共生矩阵、多通道2维Gabor滤波值及本文采用的特征向量时,评价结果分别为0.45、0.51、0.37,0.62、0.70、0.54,0.58、0.66、0.52及0.72、0.78、0.65;以Hough变换法作为提取策略时,评价结果分别为0.41、0.56和0.34;以多尺度分割法作为提取策略时,评价结果分别为0.41、0.56和0.34。由此可知,采用相同分割策略,本文采用的分割对象相较其他对象可以获得更好的分类精度。相较传统的基于线状或面状特征的分类手段,本文方法在精度方面亦具有一定的优势。结论 本文提出了一种全新的道路像元提取方法,通过构造特定方向的2维Gabor滤波值数组进行影像分割。实验表明该方法具有较好的抗噪性和普适性,广泛适用于GF-1、GF-2、IKONS、QuickBird及其他传感器获取的高分辨率遥感影像。     

一种面向对象的高分辨率影像道路提取方法

高分辨率遥感影像为用户提供了丰富的地表细节信息, 如何利用图像分析技术从高分辨率遥感影像中进行目标提取、更新地理信息数据库, 成为遥感信息处理研究的热点。传统的道路提取方法一般采用像素级检测方法, 仅利用了像素的光谱信息作为道路提取的依据, 无法利用影像的空间信息。提出了一种面向对象的高分辨率卫星影像道路提取方法, 并选取南京市IKONOS 影像进行了实验。首先, 对影像进行分割获取影像对象, 再通过对IKONOS 影像中道路特征的分析, 利用影像对象的光谱特征、几何特征和空间关系建立知识库, 最后, 利用知识库中的规则来提取影像中的道路。实验结果表明采用本方法能够较好地提取出实验区中的道路。     

面向对象遥感影像分类的最优分割尺度选择研究

影像分割是面向对象遥感影像分类的基础步骤,而分割尺度又是影像分割的核心问题。研究针对面向对象遥感影像分类中的最优分割尺度选择问题,以分割后影像区域对象矢量边界线与欲分类目标对象真实矢量边界的吻合程度为标准,通过两者多向距离量化吻合程度,提出了一种最优分割尺度定量选择的新方法——矢量距离指数法。通过两种实验,同步验证了该方法的正确性与适用性,实验1将基于矢量距离指数法选择的最优分割尺度结果与较为成熟的人为试错法的选择结果比较,结果表明针对7种地类的矢量距离指数均可以正确反映最优分割尺度;实验2挖掘了矢量距离指数法选择的结果与分类精度的关系,结果表明其中5种地类在矢量距离指数法选择的最优分割尺度上均达到了最大的分类精度,另外2种地类的分类结果最符合实地情况,与欲分类目标最为接近。基于矢量距离指数法基本原理,研究针对分割过程中的“淹没”与“破碎”现象,进一步提出了能够反映两者矛盾程度的尺度指数,该指数能够真实反映针对某种特定地物类型分割尺度的大小状况,为衡量“破碎”与“淹没”的矛盾程度提供了一种定量工具,在分割尺度选择过程中具有重要的指示意义。     

二维直方图分水岭分割方法的研究

提出了一种二维直方图分水岭分割方法。该方法选取遥感影像总体分辨能力较强的两个特征构建二维直方图,直接将二维直方图看作一幅灰度影像,然后用标记分水岭算法对二维直方图进行分割以确定不同类别的地物在特征空间中的位置,最后对遥感影像中的每个像素进行类别标记。与传统二维直方图分割方法相比,新方法可以筛选出区分能力较强的两个特征构建二维直方图,因而能取得更为理想的分割效果。     

基于主题模型的高分辨率遥感影像变化检测

提出一种基于主题模型的高分辨率遥感影像变化检测方法。将前后两期遥感影像对应的像素点对作为基本单位,提取其邻域亮度相关度、均值、标准差以及邻域回归直线的斜率、截距等低层次特征,在此基础上映射得到像素点对的高层次视觉单词特征,并通过潜在狄利克雷分配模型进行分析,挖掘其潜在的主题信息,即变化与不变,从而实现变化检测。实验结果表明,该方法能够有效检测高分辨率遥感影像的变化。     

高分辨率遥感影像道路线性要素识别

为有效从高分辨率遥感影像中自动提取道路,提出利用线性要素间的拓扑关系识别道路线性要素的方法。提取影像中的线性要素并获取其邻域的光谱属性形成有向直线段;利用提出的道路线性要素识别模型,将满足条件的有向直线段聚类生成道路要素集;利用先验知识进一步验证。该方法主要使用道路线性要素的结构信息,适用于大范围、场景复杂的遥感影像,具有较高鲁棒性,目前该方法已应用于基于高分辨率遥感影像的GPS导航道路数据的生产和更新。     

一种改进的基于模糊聚类的图像分割方法

针对亮度不一致的阴影路面的目标分割问题，对使用空间关系约束的模糊聚类算法进行了改进，即首先定义了像素之间以及像素与区域之间的近邻关系，并构造了像素与区域之间的空间关系隶属度矩阵，然后将此矩阵约束到传统的模糊C-均值聚类算法的隶属度矩阵中，最终形成了基于空间关系约束的模糊聚类算法。该算法只需设置很少的参数即可自动完成聚类。该算法在受光照影响导致目标亮度不一致的林荫道道路图像中进行了实验。实验结果表明，该算法对机器人导航中阴影路面的一致性分割方面具有良好的效果。     

基于模糊相似性的彩色形态学图像处理方法

为了将传统灰度图像数学形态学扩展到彩色图像,提出一种结合矢量空间模糊相似性的彩色形态学图像处理方法。首先,在RGB彩色空间中利用彩色矢量间的距离和角度定义模糊相似性测度,以刻画与人类视觉感知相一致的彩色相似程度;以上述相似性测度为准则定义彩色空间中任意一组彩色的上确界和下确界;利用中心像素及其结构单元内像素的上确界和下确界构建彩色形态学的基本操作,包括膨胀、腐蚀、开、闭等操作;进一步将提出的彩色形态学操作应用于高分辨率遥感图像,通过实验对比验证其对地物目标的形变和平滑能力,说明其实用性和有效性。     

亚像素级模糊图像配准算法

针对目前的特征点匹配算法不能有效配准边缘模糊的图像,提出一种灰度偏移极值特征。将局部像素灰度偏移均值最明显的点作为特征点,利用最小二乘拟合曲线,通过曲线导函数将偏移极值点精确定位于亚像素级,最后采用分块的NMI为特征点分配32维特征向量,再对比向量间距离以实现配准。该特征易于提取、运算简单,而且能在阶跃边缘不清晰的图像中稳定存在。经实验验证,算法应用于模糊图像配准具有较高的匹配精度。     

一种高分辨率遥感影像道路提取方法

针对空间异质性导致的道路几何纹理特征突出性下降问题, 提出一种高分辨率遥感影像道路提取方法. 首先设定跟踪模型, 依据人工输入点, 自适应提取道路中心点和道路宽度, 设计迭代内插、双向迭代两种跟踪方式以及矩形跟踪模板; 然后提出多描述子道路匹配模型, 针对道路几何纹理特征突出性不足问题, 基于道路区域地物边缘与道路方向一致的语义关系, 通过线段峰值约束的思想, 提出一种多尺度线段方向直方图(Multi-scale line segment orientation histogram, MSLSOH)描述子, 以此对跟踪方向进行预测; 针对道路几何纹理特征均质性下降问题, 从道路区域与道路非道路混合区域纹理差异性出发, 组合三角形构成扇形描述子, 突出道路影像纹理特征, 以此不仅可对预测跟踪点进行验证, 而且也可在结构信息缺失的情况下对道路进行跟踪; 最后选取不同类型、不同分辨率、不同场景的高分辨率遥感影像, 通过与其他方法的实验对比, 表明该方法能够解决道路提取过程中几何纹理特征突出性下降问题, 具有准确率高和自动化程度高的优势.     

基于区域清晰度的纺织纤维图像融合

针对多焦面纺织纤维图像,提出一种基于区域清晰度的图像融合方法。用像素点灰度的模值衡量像素点的清晰度。首先通过对多焦面图像搜索像素点最大模值的方法,确定每个最清晰像素点(即灰度的模值最大)所在的图层号,并保存在图层号矩阵中。再针对图像中的噪声干扰,根据局部区域模值的最大值,确定区域阈值进行去噪处理,并修正图层号矩阵。然后根据图层号矩阵,用对应图层像素点的灰度值合成得到多焦面融合图像。最后对融合方法提出改进措施,以进一步提高图像处理的速度。实验表明所提出的多焦面图像融合方法行之有效。     

一种基于高分辨率遥感影像的道路提取方法

道路等线性地物的自动提取一直是高分辨率遥感影像研究所关注的内容。论文在分析现有的各种提取方法的基础上,结合城市道路在高分辨率遥感影像上的特点,提出一种半自动的道路提取法。该方法先对遥感影像中的道路点进行采样,统计其光谱特征,然后再在道路上设置道路生长原点,从这些生长原点开始,根据统计得出的道路光谱特征对邻域点进行判断生长,最后对生长出的道路图利用数字形态学进行内部腐蚀和边界平滑处理。试验结果表明,该方法提取道路具有较高的精度和实用性。     

Augmented relaxation labeling and dynamic relaxation labeling

Current implementations of relaxation labeling are homogeneous, where each pixel is in an identical relationship to a static neighbor set. These systems maintain the iterative probabilistic labeling but use a nonhomogeneous dynamic neighborhood to establish a local consistency. Neighborhoods are created at each iteration through the broadcasting and reception of label information according to semantically established broadcasting patterns for each label. Augmented relaxation labeling is a two stage process which contains a separate relaxation stage with a top-down direction capability for specific pixel label updating. Dynamic relaxation is a one step process where every pixel label is updated through the dynamic neighborhoods. Both labeling processes are demonstrated on simple line drawings.     

利用不变矩去除恒星的空间小目标检测方法

相邻帧配准差分去除恒星方法,在处理16位灰度图像时,由于高亮度恒星的插值误差大于目标灰度与背景之差,导致差分不能有效去除恒星干扰。针对该问题,引入模式识别中的不变矩概念,提出基于不变矩的空间小目标检测方法。该方法从恒星之间的相对位置入手,避开通过灰度差分消减恒星的过程。利用相邻帧中恒星不变矩相等的特性,寻找三颗恒星作为参考恒星组;向参考恒星组逐一加入未知星点,通过判断增加星点后不变矩是否仍相等来提取恒星;利用目标运动的连续性和一致性从剩余星点中提取目标。通过对仿真恒星点配准差分说明问题的由来,利用实摄序列图像对配准差分法和不变矩方法对比实验,结果表明,配准差分法无法去除的恒星可以通过不变矩方法去除,该方法能够从16位灰度图像中有效检测出小目标。