一种高分辨率遥感影像建筑物提取方法

采用了一种基于独特像元的快速自动提取建筑物的方法,如线与线之间的交叉点。首先,在预处理阶段采用边缘保留双边滤波器降低噪声,提高建筑物边缘的对比度;其次采用EDLines线段探测器实时准确地提取建筑物线段;最后,采用图表搜索感知分组的方法分层次组织预判线段为候选矩形建筑物。实验证明,该方法可以实现遥感影像建筑物的准确和快速提取。     

基于Snakes模型的高分辨率遥感影像城区道路提取方法研究

基于主动轮廓模型（Snakes）理论研究了高分辨率遥感影像道路的提取。针对高分辨率遥感影像中道路特征,通过改进现存方法得出更为适合道路提取的主动轮廓模型,并利用其完成道路提取工作。通过对1 m分辨率的IKONOS影像进行实验,结果表明该方法能够较好地提取出城市高分辨率影像中弯曲道路的完整对称边缘信息。     

结合相位一致和分水岭变换的高分辨率遥感影像分割方法北大核心CSCD

针对噪声导致高分辨遥感影像分割存在过分割或者欠分割的问题,提出结合相位一致和分水岭变换的高分辨率影像分割方法。该方法首先采用基于光谱相似性的相位一致的模型方法来获得边缘响应幅度,再采用自动标记分水岭算法对影像进行分割;基于相邻分割对象的空间位置、形状、面积等特征多重约束,提出相邻分割对象合并代价函数模型,对分割结果进行优化并获取最终分割结果。选择典型地区实验影像进行分割实验,通过目视评价和监督评价,并与典型分割方法进行比较,验证所提分割方法的有效性。     

高炮实弹射击中目标的自动提取

运用一系列数字图像处理技术对预先捕获的高炮实弹射击录像进行分析,自动提取录像中的目标,确立目标在屏幕中的位置。     

人脸轮廓信息的提取

边缘提取在模式识别、机器视觉、图像分析及图像编码等领域都有着重要的研究价值。人脸检测技术是一种人脸识别技术的前提。文章针对人脸检测中人脸定位提出了人脸轮廓信息提取技术,确定人脸检测的主要区域。首先介绍了几种边缘检测算子,然后提出了动态阈值方法来改进图像阈值,提高了边缘检测精度。     

基于面向对象与深度学习方法的遥感影像自动提取技术研究

文章在对面向对象多尺度分割技术和深度学习技术分别进行理论、方法阐述后,开展目标区建设用地和非建设用地自动提取实例研究。通过建立少量地类样本库完成遥感影像自动分类提取,并对提取结果进行分析,得出目标区总体分类精度达到94.40%,建设用地的制图精度和用户精度能够满足实际生产需求。     

支持向量机的高分辨率光学遥感影像道路提取研究

为提高遥感影像道路信息特征提取能力,提出基于支持向量机的高分辨率光学遥感影像道路提取方法.构建道路信息的影像成像模型,分析影像滤波成像,结合模糊图像特征表达和信息滤波的方法,建立影像的尺度分布和信息融合模型;结合多模态的水平尺度分割方法,实现对影像的信息重构和细节层次表达,采用边缘轮廓特征检测和纹理特征提取的方法,实现...     

基于特征点的高分辨率卫星遥感影像自动配准方法

在高分辨率卫星遥感影像配准中,由于数据量的迅猛增长以及分辨率的提升,使配准精度逐渐下降,配置工作越堆越多。为此,文中设计一种基于特征点的高分辨率卫星遥感影像自动配准方法。对高分辨率卫星遥感影像数据实施云层二值化、灰度拉伸这两种预处理。云层二值化的处理主要通过OSTU算法实现,灰度拉伸处理使用的方法是直方图均衡。基于影像特征点,通过SURF算法实施高分辨率卫星遥感影像的特征点提取。通过提取的特征点在遥感影像上构建多个小面元区域,利用小面元微分纠正的方式对2幅影像实施精确配准。为实验配置硬件环境与软件环境,使用2种影像数据测试设计方法的配准性能。测试结果表明：所设计方法对于白天非雪天拍摄的图像与白天雪天拍摄的图像的配准精度都很高,二者差异较小;对于相同场景、不同传感器拍摄的影像以及不同场景、同一传感器拍摄的影像,设计方法的配准精度均较高。说明设计方法能够克服不同因素的影响,实现较为精准的自动配准。     

基于动态区域提取的模式复原算法北大核心CSCD

追踪了由远场光电探测器采样宽度限制引入的量化噪声在算法实现过程中的传递,分析了其对算法在波前像差校正中的效果和收敛速度产生影响的原因。根据斯特列尔比值(SR)的变化,提出了一种基于动态区域提取的模式复原算法,并利用18阶和33阶Zernike多项式模拟得到的符合Kolmogrove大气湍流功率谱的波前对该算法进行数值计算。计算结果表明:采用动态区域提取的复原算法校正波前像差,在12位相机采样宽度和33阶初始像差情况下,算法经31次迭代后收敛,波前复原残差均方根为0.058λ(λ为波长),SR达0.9以上。该算法减小了量化噪声的影响,无波前传感自适应光学系统的收敛速度和校正效果得到显著提高。     

二次小波变换自动阈值算法提取局部放电信号

采用二次小波变换自动阈值算法对局部放电信号进行提取。在数值仿真中,采用指数衰减或指数衰减振荡等4种放电信号,研究了局部放电信号的提取效果。仿真结果表明,由于小波变换具有多分辨率的特性,能有效地从随机噪声中提取出放电信号,较常规一次小波变换阈值消噪方法相比,二次小波变换更多地保留了原始局部放电信号的特征信息,该算法处理速度较快,也适合在线处理。     

基于Matlab的改进边缘提取算法

在图像的预处理过程中,边缘提取是非常重要的一个环节。针对目前边缘提取算法不能提取有效的图像边缘,提出了对现有图像边缘提取算法进行改进的方案。方案改进的思路是对现有图像预处理算法进行整合和优化一些重要参数,并使用Matlab仿真平台对改进方案进行仿真。在此过程中,使用了Canny边缘提取技术、自适应阈值分割技术和形态学滤波技术等,并对这些方法的处理流程进行分析。仿真结果表明,合理的算法整合能够有效地改进边缘提取的效果。     

基于模糊语义的高分辨率SAR图像汽车检测算法

针对高分辨率SAR图像难于找到精确的背景杂波分布概率模型的问题,该文提出一种不需要背景杂波分布概率模型的高分辨率SAR图像自动检测汽车的新方法。该算法首先搜索场景中包含的亮区域和暗区域,其次采用模糊隶属度函数提取语义特征,筛选可能是汽车强散射区域的亮区域和可能是汽车遮挡区域的暗区域。再根据空间语义关系,对候选汽车强散射区域与候选汽车遮挡区域进行匹配,若匹配成功则计算它们源于同一辆汽车的隶属度。最后阈值选择高隶属度的目标进行合并输出。通过对MiniSAR图像进行汽车检测实验,表明该方法在不需要背景杂波分布概率模型的条件下仍然具有较高的检测率。     

基于多维度特征遥感图像分类方法的研究北大核心CSCD

为了解决传统高光谱图像分类方法精度低、计算成本高及未能充分利用空-谱信息的问题,本文提出一种基于多维度并行卷积神经网络(multidimensional parallel convolutional neural network,3D-2D-1D PCNN)的高光谱图像分类方法。首先,该算法利用不同维度卷积神经网络(convolutional neural network,CNN)提取高光谱图像信息中的空-谱特征、空间特征及光谱特征;之后,采用相同并行卷积层将组合后的空-谱特征、空间特征及光谱特征进行特征融合;最后,通过线性分类器对高光谱图像信息进行精准分类。本文所提方法不仅可以提取高光谱图像中更深层次的空间特征和光谱特征信息,同时能够将光谱图像不同维度的特征进行融合,减小计算成本。在Indian Pines、Pavia Center和Pavia University数据集上对本文算法和4种传统算法进行对比实验,结果表明,本文算法均得到最优结果,分类精度分别达到了99.210%、99.755%和99.770%。     

超声测井图像过井裂缝提取算法研究

在石油天然气超声测井中,裂缝是油藏和储层非 均质研究中的重要参考依据,裂缝参数的提取是成像测井资料解释的重要技术之一。而在测 井中,过井裂缝是最主要的裂缝形 态。因此研究过井裂缝的提取对测井资料的进一步解释具有重要意义。针对现有的过井裂缝 提取算法抗干扰能力差,提出了一种基于边缘检测的过井裂缝提取算法。该算法首先通过限 定对比度直方图均衡化提高测井图像的对比度,提高边缘检测的准确性。为进一步提高其抗 干扰性,对检测的边缘图像进行自适应滤波和形态学处理。最后,通过降维后的Hough变 换提取裂缝。实验结果表明,该算法所需要设置的参数较少,所提取的裂缝准确度较高,抗 干扰性较好。可以基本实现测井图像中过井裂缝的有效提取。     

全局关系注意力引导场景约束的高分辨率遥感影像目标检测

高分辨率遥感影像中地物目标往往与所处场景类别息息相关,如能充分利用场景对地物目标的约束信息,有望进一步提升目标检测性能。考虑到场景信息和地物目标之间的关联关系,提出全局关系注意力(RGA)引导场景约束的高分辨率遥感影像目标检测方法。首先在多尺度特征融合检测器的基础网络之后,加入全局关系注意力学习全局场景特征;然后以学到的全局场景特征作为约束,结合方向响应卷积模块和多尺度特征模块进行目标预测;最后利用两个损失函数联合优化网络实现目标检测。在NWPU VHR-10数据集上进行了4组实验,在场景信息约束的条件下取得了更好的目标检测性能。