一种高分辨率遥感图像中居民区道路提取方法

针对在遥感图像中提取居民区道路易受房屋等人工建筑干扰的问题,基于数学形态学提出了一种可以去除大量建筑物干扰,从而有效提取出居民区道路的算法.算法首先用顶帽变换和底帽变换对灰度图像进行了对比度争强,然后利用道路和建筑物之间的形态梯度以及道路特征对道路和建筑物进行分离,最后利用形态重建的方法得到了居民区道路网.仿真实验表明,区域中的大部分建筑物噪声被成功去除,算法是有效和可行的.     

基于纹理特征的高分辨率SAR 影像居民区提取

利用灰度共生矩阵计算高分辨率SAR 图像的纹理特征, 通过统计分析选取合适的特征矢量,并基于非监督聚类分析提取居民区。对提取的居民区以一定的面积阈值剔除噪声(细小区域) , 并利用形态学算子对提取边界进行适当的归整, 得到最终结果。在对应的光学图像上人工提取居民区范围, 以此作为实验结果的评价标准。实验结果表明本方法可以得到较好的效果。
     

Web元数据信息提取技术的研究

Web页元数据提取是一种重要的信息获取技术.本文在简要介绍元数据的概念后给出了一种web页元数据的自动提取方法.给出了提取技术的框图和实现细节,包括提取方法和规则.试验表明了提取方法的有效性.     

基于UML的ERP领域构件抽取及分类方法

软件复用是提高软件生产力和软件质量的重要途径。本文提出了一种用面向对象的UML方法来分析并从中提取可复用构件的方法,并提出了ERP领域构件的一种提取及分类方法。     

基于建筑物提取的精细尺度人口估算研究

以精细尺度的人口估算为目标,提出一种根据居民区建筑物属性估算人口数量的方法。首先基于Dempster-Shafer证据理论,结合LiDAR数据和高分辨率遥感影像进行建筑物的自动提取。根据土地利用分类图排除提取结果中的非居民区建筑后,按照线性回归的思想,通过对居民建筑物的数量、面积、体积等几何属性的优化选择建立人口估算模型。实验表明,利用该估算模型能够获得较高精度的小面积目标区域上的估算结果。该方法提高了人口估算的精细程度和自动化程度。     

基于改进K-均值聚类算法的背景提取方法

背景提取是运动目标检测中重要而基础的一个环节.分析了一般静态背景提取算法的原理和缺陷,提出了一种新颖的基于改进K-均值聚类算法的背景提取方法,给出了动态三元组(DTDG)的概念,并且对每个像素用3个动态三元组进行建模,实现了原始背景的提取.实验验证了所提方案的有效性.     

遗传算法在关联规则挖掘中的应用

数据挖掘是关联规则中一个重要的研究方向。该文对关联规则的数据挖掘和遗传算法进行了概述,提出了一种改进型遗传算法的关联规则提取算法。最后结合实例给出了用遗传算法进行关联规则的挖掘方法。     

遗传算法在关联规则挖掘中的应用

数据挖掘是关联规则中一个重要的研究方向。该文对关联规则的数据挖掘和遗传算法进行了概述,提出了一种改进型遗传算法的关联规则提取算法。最后结合实例给出了用遗传算法进行关联规则的挖掘方法。     

基于图像相似度的关键帧提取算法

为了在视频管理数据库中提供有效的视频检索和浏览功能,必须用简明的方式表示视频的内容,关键帧提取技术是视频分析和视频检索的基础,现阶段关键帧提取技术已成为视频检索的一个重要研究方向。文中提出了一种改进的基于内容的视频关键帧提取方法-基于图像相似度的关键帧提取算法。实验结果表明这种方法可以较好地完成关键帧的提取工作,降低关键帧的冗余度,提高关键帧代表性。     

基于全局和局部短期稀疏表示的显著性检测

显著性检测是计算机视觉研究的一个重要问题。提出了一种由底向上的基于稀疏表示的显著性检测新算法。一般显著性检测主要包含两个部分,即图像特征提取和显著性度量。对于一幅给定的图像,首先利用独立成分分析(ICA)方法提取图像特征,然后用一个局部和全局模型对图像进行显著性度量。其中,利用一种低秩表示方法提取全局显著性,以及利用一种稀疏编码方法提取局部显著性。最后融合局部和全局显著图得到最终的显著图。在一个人眼关注数据库上与目前几种流行的方法进行了对比实验,实验结果显示所提出的方法能够得到更高的视觉关注预测准确率。     

Unsupervised urban area extraction from SAR imagery using GMRF

A new method is proposed to extract urban areas from SAR imagery using two different Gaussian Markov Random Field (GMRF) models. Firstly, by making an initial segmentation by a watershed algorithm, we adopt a particular GMRF model proposed by Descombes et al. (the model is called RGMRF model, distinguished from the conventional GMRF model) to acquire urban areas. In the first model a part of the urban areas from the SAR image is extracted with some missing detection. Then, taking the first result as a training sample, we use the conventional GMRF model to redo the extraction. In the second model a larger area is detected including all urban areas with some false detection. Finally, we fuse the two results using a region-growing algorithm to form the final detected urban area. Experimental results show that the proposed method can obtain accurate urban areas delineation. The text was submitted by the authors in English.     

综合灰度与纹理特征的高分辨率星载SAR图像建筑区提取方法研究

高分辨率SAR图像的纹理特性对于图像的解译及地物分类等具有重要的意义。根据高分辨率星载SAR图像上建筑区的纹理有别于其他地物的特点,提出了一种综合利用灰度和纹理特征的高分辨率星载SAR图像建筑区提取方法。首先对SAR图像进行斑点噪声的抑制,然后利用灰度共生矩阵计算出星载SAR图像上建筑区与非建筑区的8种纹理特征统计量,根据巴氏距离进行特征选择,并通过主成分分析去除纹理特征之间的相关性,得到了最佳纹理特征分量,将所选的特征影像与原始图像进行波段组合,利用K均值聚类算法对组合后的图像进行非监督分类;最后通过对分类图像进行后处理并提取外部轮廓,提取了建筑区。以COSMO-SkyMed SAR影像为数据源进行了实验。结果表明该方法能够有效提取高分辨率星载SAR图像中的建筑区,提取效果明显优于未利用纹理特征的方法。     

Unsupervised urban area extraction from SAR imagery using GMRF

This paper presents a new method for unsupervised urban area extraction from SAR imagery using two different GMRF models. One model is the T-based GMRF model proposed by Xavier Descombes specially for acquiring urban area in panchromatic SPOT imagery. When it is used for urban area extraction from SAR imagery, some missing detection occurs. The other model is the conventional GMRF model that requires training samples for urban area extraction. When it is used for SAR imagery, the extraction result includes all urban areas and some false detection. Three steps are made up in our method. First, we adopt a threshold for the T-based GMRF model parameter T to acquire the result of urban area extraction. Then, taking the result as training samples, we estimate the conventional GMRF model parameters and acquire a new result of urban area extraction. Finally, we fuse the two results above using a region-growing algorithm to form the final accurate urban area extraction. Experimental results show that the proposed unsupervised approach can obtain accurate urban area delineation. The text was submitted by the authors in English. Yang Yong. Born in 1978. Now a postgraduate in the Department of Communication and Information Systems, School of Electronic Information, Wuhan University. The research direction is Image Processing. Scientific interestsare SAR image segmentation and classification with the Markov random field approach. Hong Sun. Born in 1954. Graduated from the Huazhong University of Science and Technology of Electrical Engineering in 1982. Received a Doctoral degree in 1995. Author of Advanced Digital Signal Processing, which is widely used as a textbook for graduated students in China. Scientific interests include statistical signal processing, image analysis, and communication signal processing. Yongfeng Cao. Born in 1976. Graduated from Wuhan University of China in 1999. Assistant and doctoral candidate in the laboratory of Signal Processing and Modern Communication, School of Electronic Information, Wuhan University, China. Scientific interests include Markov random fields, Watershed transformation, and SAR image interpretation.     

基于特征提取的SAR图像滤波算法

针对SAR图像所包含的地物目标比较复杂的特点,提出一种新的SAR图像滤波算法.该算法利用Contourlet变换能保持边界.结合特征提取可以获得区域目标点特征的特点,利用自适应阈值的方法对SAR图像进行滤波.与传统Lee滤波和保持边缘特征滤波算法进行比较,实验表明新的算法不仅提高了图像的质量.其量化指标也得到了提高.作为该算法的应用.利用变换域内低频图像和子带图像的融合规则对L和C两个波段的SAR图像进行去噪融合,可以看出该算法的去噪效果.     

SAR图像尺度不变特征提取方法研究

与光学图像相比,SAR图像噪声干扰明显增强,导致光学图像处理领域中常用的尺度不变特征提取算法的稳定性在SAR图像中明显下降。为此,提出一种基于Harris算子的SAR图像尺度不变特征提取方法。该方法首先将单尺度图像特征点检测中具有良好稳定性的Harris算子拓展到多尺度图像域,并结合Harris算子极值点的稳定性分析实现尺度不变特征定位,以提高特征定位的稳定性。进而采用迭代滤波器取代传统卷积滤波器完成特征定位中所需高斯滤波操作,以提高特征定位的速度。最后利用特征点邻域内的像素梯度信息完成了特征描述字的构造。SAR图像实测数据验证表明,与其他尺度不变特征提取算法相比,本文算法具有更优的稳定性。     

基于面向对象的青海湖环湖区居民地信息自动化提取

居民地的空间格局和密度直接反映着区域人类活动的强弱程度,影响着区域人地系统演变和生态环境可持续发展。基于高分辨率卫星遥感影像数据,提出了一种面向对象的青海湖环湖区居民地信息自动化提取方法。首先,利用尺度集理论对高分辨率卫星遥感影像进行多尺度分割,获取不同尺度的分割对象;其次,通过机器学习算法集对分割对象的自定义特征、光谱特征、几何特征和纹理特征进行训练,选取最优自动分类算法;最后,利用最优自动分类算法提取青海湖环湖区城镇居民地和农村居民地信息。采用平均召回率、平均准确率和平均F值评价指标对分类结果进行精度评价,其中,城镇居民地各评价指标均在93%以上,农村居民地各评价指标均在86%以上。结果表明:该方法提取城镇居民地和农村居民地总体精度较高,在大面积人类活动精细化监测中具有较好的科学意义和应用价值。     

纹理图象亮度阈值法提取SAR图象居民地

由于微波辐射的复杂特性，从合成孔径雷达图象上提取类似于居民地复杂结构的目标物的研究仍处于探索中．通过研究居民地对合成孔径雷达(SAR)的微波散射特性，分析居民地在SAR图象上的纹理特征，综合利用纹理分析、模式识别和颜色空间变换技术，提出了一种新的提取雷达图象上居民地的方法．该方法在共生矩阵纹理分析的基础上，选取3个合适的特征分量合成彩色纹理特征图象，再通过HIS变换获得亮度分量，使用亮度阈值分割图象来提取出居民地．此方法的特点是，其受雷达系统影响较小，适应性较强，以二值图象的形式记录居民地的提取结果．试验表明，利用此方法在SAR图象上提取居民地具有70％以上的正确识别率．     

基于GA的SAR图像中主干道路提取

从高分辨率合成孔径雷达(SAR)图像中提取道路及其他线性特征已成为目前遥感图像信息提取研究的热点。由于高分辨率SAR图像中，目标背景复杂，同时由于受相干斑噪声的影响，因此很难直接从原始图像数据中提取道路特征。为了能够从背景复杂，受斑点噪声干扰的高分辨率SAR图像中准确提取道路，提出了一种利用遗传算法提取主干道路的方法。该方法利用模糊C均值聚类法对滤波后的SAR图像进行无监督聚类，首先将图像分为林地、建筑物、道路等基本类，并将道路类像素从图像中分离出来，使问题得到简化；然后根据道路类像素的隶属度和道路像素灰度值的均匀特性来建立具体的道路模型；最后利用遗传算法搜索全局最优道路。实验结果表明，该方法可以很好地从SAR图像中提取各种主干道路。     

基于半监督鉴别分析的高分辨率SAR影像建筑区提取

针对建筑物在城市化发展规划、地理国情信息系统更新、数字化城市以及军事侦察等方面的迫切要求,提出将半监督鉴别分析(Semi-supervised Discriminant Analysis,SDA)算法应用于高分辨率SAR影像的建筑区提取中,实现快速提取建筑区信息以及提高城市地物目标识别能力。以Radarsat-2影像和TerraSAR-X影像为实验数据,基于灰度共生矩阵计算影像的各种纹理特征;结合SDA算法进行特征提取,并以新特征作为大津法(Otsu)的输入提取建筑区;最后对分类结果进行后处理。实验结果与线性鉴别分析(Linear Discriminant Analysis,LDA)算法和局部保持投影(Local Preserving Projection,LPP)算法进行比较,结果表明:SDA算法具有较强的泛化能力,在先验类别信息较少时,适用于高分辨率SAR影像的特征提取,可以快速有效地提取建筑区信息。