多特征融合的遥感影像河流提取方法

针对遥感影像河流识别率较低问题,文中提出一种多特征融合的遥感影像河流提取方法。该方法首先利用多尺度分割算法将影像分割为不同的对象,提取影像对象的水体指数、阴影水体指数、局部纹理与颜色等特征,利用极限学习机进行训练和识别;然后,对极限学习机的粗检测结果利用多判据软投票法优化获得最优的水体检测结果;最后,利用高分二号数据进行实验,检测准确率达94%以上,实验结果表明该方法可以有效地提取复杂背景下的河流。     

基于LBP改进的MeanShift高分辨率遥感影像分割方法

MeanShift算法广泛应用于自然场景图像和医学图像分割中,针对MeanShift算法分割遥感图像的边界模糊和精度不高的问题,文中提出一种全新的基于LBP纹理特征的MeanShift遥感图像分割方法。首先加入LBP纹理特征于MeanShift遥感图像分割过程中,并对分割后区域采用区域面积加权的区域相似度准则和最小对象面积参数对遥感影像进行区域合并。实验结果表明:本方法相比传统的MeanShift遥感影像分割方法能得到更好的分割效果。     

基于DSM深度影像的机载LiDAR建筑物边界提取

该文探讨了基于DSM深度影像的机载Li DAR建筑物边界提取。首先利用归一化的DSM数据点生成DSM深度影像,然后对影像进行相关处理,包括中值滤波、形态学处理,以剔除噪声、植被及较小地物等信息,采用阈值分割与二值化,得到明显的建筑物区域,最后使用边界检测的方法将建筑物初始边界提取出来,并检测其角点,利用最小二乘方法进行拟合,得到规则化的建筑物边界。     

基于高分辨率遥感影像的城市道路提取方法研究

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.采用面向对象分类法进行城市道路提取方法研究.首先,对影像进行分割获取影像对象,再通过对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.以厦门某城区高分辨率影像进行了道路信息的自动提取实验,其面积一致性总体精度为88% ,形状一致性总体精度为90.13%.结果表明,面向对象法对于城市道路的提取和更新应用,具有一定的实际意义和推广性.     

标准最邻近分类法在道路提取中的应用

遥感影像分类的过程即是把分割出来的遥感影像对象和语义类层相互联系在一起,从而使影像对象具体安排到对应的类别中。传统的分类方法不能完全利用遥感影像特征,造成了影像特征空间数据的冗余。为此,将标准最邻近分类法应用到遥感影像信息提取中,并以Econgtion为实验平台进行道路提取。结果表明:这种提取方法操作简单,分类提取的精度较高。     

露天石灰岩矿开采范围信息自动提取研究

以唐山市的露天石灰岩矿为研究对象,Landsat遥感影像作为基础数据,使用面向对象的方法,选择多个分割尺度生成不同的影像对象层,确定适用于露天石灰岩矿分类的光谱特征、空间特征、层次关系特征,并构造特征空间,运用最近邻模糊分类算法进行石灰岩矿山开采范围信息提取。结果表明该方法能够充分利用地物样本特征并避免固定阈值的缺陷,提高露天石灰岩矿开采范围信息提取的精度以及自动化程度。     

一种高分辨率遥感影像最优分割尺度确定的方法

近年来,面向对象的影像分析方法成为提取高分辨率遥感影像中目标地物信息的新技术,其关键和核心的步骤是多尺度分割。而在多尺度分割中,最优分割尺度的确定成为了重点和难点。鉴于此,文章以某大学校区的高分辨率遥感影像为实验对象,利用e Cognition软件,结合分割对象的均值方差和最大面积来确定最优分割尺度,得出了几种主要地物的最优分割尺度:水体的最优分割尺度为30,建筑物的最优分割尺度为40,植被的最优分割尺度为75,道路的最优分割尺度为100。经实验验证,分割尺度准确。     

平顶山市区采煤塌陷地治理现状与分区治理措施探讨

根据平顶山市区采煤塌陷地的实际情况,介绍了采煤塌陷地的状况及治理现状,依据区位原理对塌陷区的土地进行了区域划分,并对各区域塌陷地的土地复垦提出了进一步的治理措施。     

基于视觉注意机制的感兴趣区提取方法

以精确获取图像中对象感兴趣区域为目标,提出一种基于视觉注意机制和K均值聚类相结合的感兴趣区提取方法。图像经过视觉特征提取、高斯金字塔多尺度变换后,依据多特征图合并策略生成显著图。采用K均值聚类方法分割图像的候选区域,并结合显著图提取图像感兴趣区。实验结果表明,运用该方法提取的感兴趣区更接近人类的视觉注意过程,并具有一定的抗噪能力。     

基于视觉显著性的煤矿井下关键目标对象实时感知研究

随着煤矿智能化技术发展,井下关键设备目标对象视觉感知应用需求日益增强。井下复杂场景,特别是生产工况综采工作面,人员及设备目标频繁交错呈现。基于监控视觉画面实时检测、提取人员及关键设备目标对象,对实现井下关键设备目标对象智能监控,生产场景智能感知与安全生产管理意义重大,因此需要研究井下关键目标对象实时感知方法。基于视觉注意机制的显著目标检测和分割是复杂场景关键目标对象感知的有效方法之一,但是显著性检测和目标分割过程计算复杂度高、耗时长,难以达到工程应用的实时性要求。基于此,在分析图像视觉特征的基础上,特别是煤矿井下图像视觉特征,提出一种基于随机采样区域对比度计算的实时显著性检测方法,引入随机采样策略对原图像像素进行采样后利用Efficient Graph-based Segmentation方法将图像分割为若干区域,然后计算区域对比度获得区域显著性,实现了实时显著性检测;在显著性区域或者目标分割过程中,提出一种自适应的前景背景阈值迭代方法,基于Shared Sample Matting方法实现显著目标的实时分割提取。基于公共数据集进行试验分析,结果表明,该方法不仅提高了显著性目标的检测分...     

基于无人机的高潜水位煤矿区沉陷耕地提取方法比较

准确、快速、低成本的获取高潜水位煤矿区沉陷耕地的面积、分布、受损等信息对耕地保护有重要的意义。色彩空间转换、纹理分析和植被指数等方法能够有效的增强和挖掘影像潜在的信息,对信息提取有很大帮助。利用2018年4月获取的无人机可见光影像对典型高潜水位煤矿区——山东兖州兴隆庄煤矿的沉陷耕地进行了提取研究。首先统计了耕地、积水区等地物在可见光三波段的均值和标准差,比较发现耕地与积水区在红、绿、蓝3个波段均有重合。其次对研究区影像进行了色彩空间转换与二阶矩阵纹理滤波,统计了耕地与积水区共27项色彩与纹理特征指标,利用均值和标准差计算了变异系数和相对差异值,最终选取色度(变异系数26%,相对差异73.33%)和绿色信息熵(变异系数20.59%,相对差异72.79%)作为耕地提取的最优特征,采用最大似然法进行耕地提取。之后计算了备选的6种可见光植被指数,根据结果分布图,选取了过绿指数EXG(excess green index)、可见光差异植被指数VDVI(visible-band difference vegetation index)、红绿蓝植被指数RGBVI(red green blue vegetation index)及归一化绿红差异指数NGRDI(normalized green-red difference index)作为沉陷耕地提取指数,利用双峰阈值法确定了耕地提取阈值。比较提取结果得出,EXG和NGRDI指数无法全面、客观反映研究区实际情况,VDVI指数的耕地总体分类精度为81.05％,高于RGBVI指数的71.38％,是本研究中最适用于高潜水位煤矿区沉陷耕地提取的指数。最后利用验证区影像,以基于样本面向对象提取的沉陷耕地面积作为参考值,通过比较面积及误差得出,基于色彩与纹理特征法提取的面积与参考面积更接近,误差(6.8%)小于可见光植被指数法(16.0%),更适用于高潜水位煤矿区沉陷耕地的提取。本研究结果客观反映了由于采煤沉陷导致耕地颜色、纹理、疏密等变化特征,为高潜水位煤矿区沉陷耕地的面积测算提供了技术支持。     

ERDAS IMAGINE在采煤沉陷地复垦土方量计算中的应用

根据采煤沉陷地复垦施工工艺的特点,提出一种利用ERDAS IMAGINE遥感图像处理软件实现土方量自动计算的方法,为采煤沉陷地复垦的规划设计、总投资控制和资金分配提供准确的依据。介绍了该方法的计算原理和计算步骤。     

动态沉陷区建筑复垦技术实践

为实现对动态采煤沉陷土地的利用,从复垦标高的确定、建筑地基加固处理、新村规划、抗变形建筑与结构设计等方面,探讨了动态沉陷区建筑复垦的技术要素,得出在动态采煤沉陷区进行村落重建是可行的,并以皖北矿区杨庙抗变形新村建设为例,说明了该技术的实用性.     

基于最优波段组合的TM影像土地覆盖信息分类

针对TM遥感影像光谱特征利用率不高,影响土地覆盖信息分类精度的问题,提出一种基于最优波段组合的分类方法。以赣州市章贡区2006年的TM遥感影像为研究对象,首先根据遥感影像的光谱特征和波段间的相关性计算最佳指数;其次根据研究区域特征,引入修正植被指数,并对原影像进行主成分分析,综合分析最佳指数、修正植被指数和前3个主成分量,认为PC3、RNDVI、Band1为最优波段组合。最后结合监督分类与非监督分类法对最优波段组合成的遥感影像进行分类,得到的整体分类精度为86.237 5%,kappa系数为0.825 3。     

基于视觉技术的煤岩特征分析与识别

为研究煤岩自动识别技术,提出了一种基于视觉技术的煤岩特征分析与识别方法。首先根据煤和岩石图像分析煤岩纹理差异;然后根据灰度共生矩阵分别计算煤和岩石纹理特征向量;最后选择计算出的纹理特征向量作为神经网络输入来分别识别煤和岩石2种情况。实验结果表明,煤和岩石纹理特征值差别较大,采用能量、对比度、相关性和熵作为特征向量均可实现煤和岩石自动识别,且以熵值作为特征向量的煤岩识别效果最好。     

Froth delineation based on image classification

This paper describes a set of image segmentation algorithms for mineral froth images, based on gray-value valley detection and a kind of image classification. The size, shape, texture and color of froth bubbles are very important pieces of information for production optimization in mineral processing. In order to determine these parameters, bubbles in a froth image first have to be delineated. Froth images display a large variation of image patterns and quality, thus it is difficult to use only a single algorithm for segmenting all images. To achieve successful segmentation the images are first classified into image classes. Then sets of segmentation algorithms are used, based on the different image classes. The segmentation algorithms and classification algorithms have been tested in a laboratory and in industrial on-line systems for froth images, the test results show that they are robust for froth images. The processing speed for the segmentation algorithm is much faster than for a standard morphological segmentation algorithm. The processing accuracy is comparable to manual drawn result. This test shows that the algorithms work satisfactorily.     

基于Canny算子的浮选气泡形态特征参数提取

浮选过程中微观气泡的形态特征参数对浮选条件实验及机理研究具有重要意义,本文提出了一种基于气泡区域选取及Canny边缘检测的气泡形态特征提取的方法。首先,将拍摄到的浮选气泡图像进行预处理操作,阈值分割后的二值图像与原图像矩阵相乘得到气泡区域图像;然后利用Canny边缘检测提取气泡边缘坐标参数,基于此坐标信息计算出气泡面积、周长、圆心位置等参数,并实现向物理参数的转换。结果表明,此参数提取方法鲁棒性强、精度高,适用于光照不均和噪声干扰等复杂环境下气泡形态特征参数的提取。     

一种改进分水岭算法的浮选泡沫图像分割方法

为了解决煤泥浮选泡沫图像分割中传统分水岭算法的过分割问题,提出了一种基于自适应标记提取的改进分水岭算法。该方法首先对浮选泡沫图像进行高斯滤波,再运用基于形态学的扩展最大值技术从泡沫图像中自适应提取标记,利用标记对梯度图像进行修改,最后使用分水岭算法对修正后的梯度图像进行分割。试验结果表明,改进后的算法克服了标记提取需要先验知识、分割过程繁琐等问题,使参数选取更加合理,分割结果更加准确。     

基于支持向量机的煤岩图像特征抽取与分类识别

为了尽可能减少作业人员数目,研究了煤岩图像的自动识别技术,介绍了煤岩图像的识别基础、小波变换和支持向量机原理,分析了煤岩图像纹理在多尺度分解情况下的特点以及支持向量机的参数设置,利用煤岩图像基于灰度共生矩阵的纹理统计量角二阶矩、对比度、相关性、均值、方差构造纹理特征子向量P1,利用煤岩图像不同尺度分解下的角二阶矩、对比度、相关、均值、方差构造纹理特征子向量P2,利用不同尺度分解系数构造纹理特征子向量P3,结合3个特征子向量构造纹理特征向量,最后结合支持向量机对煤岩图像进行分类识别。对不同的特征抽取方式以及煤岩的不同分类进行了比较分析。结果表明：该特征抽取以及分类方法能有效的表达纹理信息,对煤岩的识别准确率达到了97.959 2%,与不使用小波的方法相比提高了7.01%。研究结果可为煤岩界面的自动识别提供依据。