基于Hough变换的高分辨率遥感影像城市直线道路提取

根据高分辨率遥感影像城市直线道路特性,提出在图像分割获得道路网轮廓的基础上,使用Hough变换检测道路所在直线,对直线进行道路判断,再将所得道路段进行修剪、连接形成道路网,实现道路提取。实验结果表明,该方法能有效的从高分辨遥感影像中提取城市直线道路。     

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...     

采用Hough变换的道路边界检测算法

基于计算机视觉的路况信息识别是当前智能交通领域的热点课题,对道路边界的检测能够有效去除路况图像中与路况特征无关的大面积区域,是提高路况信息获取实时性的关键技术之一,提出一种适用于一般场景中直线道路和弯曲道路的边界检测算法.该算法采用直方图均衡和Otsu二值分割增强道路边界特征,使用均值滤波降噪和二值形态学方法获取特征边界,最终利用分空间的Hough变换方法实现道路边界检测.实验结果表明,该方法能够准确地检测道路边界线并进行道路区域分割,为后续的路况分类工作提供了有效保障.     

基于改进的Mean Shift方法的高分辨率遥感影像道路提取

遥感影像的道路提取长期以来一直是数字摄影测量未能解决的难题之一。本文在探讨了均值漂移、区域分割、边缘检测、轮廓跟踪的基础上,提出一种基于均值漂移和利用统计面积去除和合并小区域的道路提取算法,并采用数学形态学方法消除错误道路,利用轮廓跟踪法获取道路的边缘,实现道路的提取;通过与基于区域分割、边缘检测算法提取结果对比,结果表明,本文的算法进行道路提取的效果更好。     

基于纹理-模糊连接度的遥感影像道路自动提取

提出一种基于纹理-模糊连接度的遥感影像道路信息全自动提取算法。利用Canny算子对影像进行边缘检测,通过道路阈值和分类算法的联合优化,提取出道路种子点。定义了包含纹理能量的模糊连接度,对影像中各像素相对于多种子点的连接度进行遍历计算,寻址最优路径,从而识别出完整的道路。实验结果表明,该道路提取算法相对于模糊连接度算法精度更高,具有较强的通用性。     

SAR图像道路网提取方法综述

SAR图像道路网提取具有重要的遥感应用价值.20多年来,随着SAR成像技术的不断发展以及遥感应用的迫切需求,涌现出大量道路网提取方法.本文回顾了SAR图像道路网提取研究的发展历程,从道路提取流程阶段出发,将其分为局部检测和全局连接这两大步骤,在每个步骤中分析比较了现有算法的适用范围及相对优缺点,指出了当前研究中存在的问题,展望了SAR图像道路网提取的发展趋势.     

结合相位一致与全变差模型的高分辨率遥感图像边缘检测

目的边缘检测是有效利用遥感数据开展地物目标自动识别的重要步骤。高分辨率遥感图像地物类型复杂,细节信息过于丰富,使得基于相位一致的边缘检测结果中存在过多的噪声与伪边缘。为此提出了一种结合相位一致与全变差模型的高分辨率遥感图像边缘检测方法。方法根据相位一致原理,应用Log Gabor构造的2维相位一致模型,引入全变差去噪模型对基于相位一致的边缘强度图进行改进。结果借助有界变差空间对图像光滑性的约束,实现了高分辨率遥感图像噪声去除与伪边缘抑制,利用改进后的相位一致边缘强度图可有效检测高分辨率遥感图像的边缘。结论实验结果表明,与相位一致模型、Canny算法相比,该方法能消除了高分辨率遥感图像中同类地物内部细节特征形成的噪声,抑制相位一致边缘检测结果中的伪边缘,突出地物的真实边缘,并能正确地提取地物目标的整体轮廓信息,有助于后续地物目标的自动识别。     

基于Hough变换和路径形态学的城区道路提取

针对高分辨率遥感影像上城区道路的特点,提出一种基于Hough变换和路径形态学的高分辨率遥感影像城区道路提取方法。用Hough变换检测主要道路的方向及长度,建立邻接图,根据邻接图确定路径的方向和长度,将这些确定的路径看作狭长但并非完全笔直的结构元素。实验结果表明,该方法不仅能够检测出直线道路信息,还能检测出宽的弯曲的道路及细长的曲率比较小的道路信息。     

基于小波变换的改进DnCNN网络的遥感图像去噪

遥感图像去噪一直是遥感领域的重要难题,现有的去噪算法会使图像边缘信息模糊,导致图像中有用信息丢失,为了提高遥感图像的质量,提出了一种改进DnCNN（Denoising Convolutional Neural Network）的遥感图像去噪方法,通过小波变换将原始图像分解成不同子带,采用基于遗传算法的网络结构自动搜索方法对于不同子带搜索出不同结构和参数的DnCNN网络实现去噪,使对噪声成分的提取更加有针对性。实验采用峰值信噪比（PSNR）和结构相似性（SSIM）两项评价指标对实验结果进行量化评判,标准差为20时,较原始的DnCNN方法相比PSNR值平均提高了3.5%,图像细节清晰,能有效地保护遥感图像边缘特征和轮廓结构的完整性。     

基于高分辨率遥感图像的道路提取研究

道路是现代交通的主要组成部分,对于管理和更新地理信息系统数据库中的道路信息非常重要.目前,自动提取道路网络的主要数据源为遥感图像数据,但随着近年来遥感影像的地面分辨率不断提高,图像中地物信息愈加丰富,对图像中道路信息的提取难度也随之增大.文章主要展开一种利用机器学习对高分辨率遥感图像的道路提取研究.首先对高分辨遥感图进...     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

基于深度学习的高分辨率卫星遥感影像围填海检测识别

基于高分辨率卫星遥感影像自动、准确提取围填海土地利用现状,是实现围填海集约使用的重要技术手段。针对高分辨率卫星遥感影像地物特征复杂,依赖人工提取特征的传统方法较难满足业务部门实际需求的问题,提出了基于深度学习的围填海检测识别技术框架,该框架使用UNet网络的多约束变体结构,并针对高分辨率遥感影像地物特征复杂导致地物分类不一致的问题,引入全连接条件随机场和图像腐蚀运算对分割结果进行后处理。以天津市滨海新区2016年和2020年高分辨卫星遥感影像为数据源进行了验证,实验表明围填海地物分割整体准确率、F1-score、Kappa系数以及mIoU分别达到96.73%、92.87%、90.28%、86.82%。在此基础上,分析提取了该围填海区域土地利用动态变化特征,为围填海集约使用管理提供了有效技术支撑。     

从航空遥感图像中自动提取主要道路

如果能自动地从航空遥感图像中提取出道路网,将会简化城市地物目标的分类和测量过程.该文根据城市主要道路在图像中的特性进行了模型化处理,进而提出了基于直线的、自动提取的方法.算法重点考虑到成像过程中必然引入的各种噪声,用高斯分布函数模糊化直线参数,使提取具有良好的稳健性.算法中的参数选择都是通过理论分析所得,因此,提取过程实现了自动化.实验结果表明,该方法能够从实际航空遥感图像中提取出主要道路网.     

A fast digital Radon transform—An efficient means for evaluating the Hough transform

A fast digital Radon transform based on recursively defined digital straight lines is described, which has the sequential complexity of N² log N additions for an N × N image. This transform can be used to evaluate the Hough transform to detect straight lines in a digital image. Whilst a parallel implementation of the Hough transform algorithm is difficult because of global memory access requirements, the fast digital Radon transform is vectorizable and therefore well suited for parallel computation. The structure of the fast algorithm is shown to be quite similar to the FFT algorithm for decimation in frequency. It is demonstrated that even for sequential computation the fast Radon transform is an attractive alternative to the classical Hough transform algorithm.     

基于改进型统计区域增长的遥感图像分割

随着遥感技术的发展,高分辨率遥感图像内容变得越来越复杂,信息表现更加精细,将某些中、低分辨率图像的图像分割、 分类算法直接应用到这类图像上时,其效果往往不理想。在传统区域增长算法的基础上,进行了四重优化,采用四邻域策略组合成像素对,严格化合并准则,在不同尺度下将像素对进行合并,得到较好的分割影像。实验证明,该算法较大程度上实现了目标的提取,减少了传统区域合并算法的计算量,与原算法相比较更多地考虑了像素的空间特性,具有很好的抗噪能力,能够适应于大数据量高分辨率遥感影像的多尺度分割。     

结合非监督分类和几何—纹理—光谱特征的高分影像道路提取

目的 目前针对复杂场景高分辨率遥感影像道路提取多采用监督分类方法,但需要人工选择样本,自动化程度低且具有不稳定性。基于像元级的方法,提取完整度低且易产生椒盐噪声;面向对象的方法易产生粘连问题。为了提高道路提取的完整度、准确度和自动化程度,提出一种基于非监督分类和几何—纹理—光谱特征的道路提取方法。方法 首先考虑光谱特征利用非监督分类进行初步分割,结合基于纹理特征分类的结果得到初始道路区域。然后根据道路特征建立一套完整的非道路区域滤除体系：边缘滤波断开道路和非道路的连接、纹理滤波滤除大面积非道路区域、形状滤波去除剩余小面积非道路区域。最后利用张量投票算法得到连贯、平滑的道路中心线。结果 选择复杂场景下的高分辨率IKONOS影像和QuickBird影像进行实验,与国内外基于像素和面向对象的两种有代表性的道路提取方法进行对比,采用完整率、正确率、检测质量3个评价指标进行定量评价。实验结果表明该方法相比于其他算法在完整率、正确率和检测质量上平均提高26.61%、5.57%和26.77%。定性分析结果表明,本文方法可以有效改善椒盐噪声和粘连现象。此外本文方法的自动化程度更高。结论 提出了一种基于非监督分类和几何—纹理—光谱特征的高分辨遥感影像道路提取方法,非监督相对于监督分类的方法有更高的自动化程度,复杂场景下的道路提取融合几何—纹理—光谱特征有效避免了基于像元级道路提取易产生的椒盐噪声现象和面向对象道路提取易产生的粘连现象。该方法适用于高分辨率遥感影像城市道路提取,能够得到较高的完整度、准确度以及自动化程度。非监督分类和多特征结合的道路提取方法有广阔的应用前景。     

基于PPMU-net的多特征高分辨率遥感道路提取

针对复杂地形条件下道路特征选取不具代表性,分割精度低的问题,提出了一种基于卷积神经网络（PPMU-net）的高分辨率遥感道路提取的方法。将3通道的高分二号光谱信息与相应的地形信息（坡度、坡向、数字高程信息）进行多特征融合,合成6通道的遥感图像;对多特征的遥感图像进行切割并利用卷积网络（CNN）筛选出含道路的图像;将只含道路的遥感图像送进PPMU-net中训练,构建出高分辨率遥感图像道路提取模型。在与U-net神经网络、PSPnet神经网络相比时,所提的方法在对高分辨率遥感道路提取时能够达到较好的效果,提高了复杂地形条件下道路分割的精度。     

中尺度涡特征提取算法及可视化研究

在对海洋遥感图像数据进行处理,特征可视化检测海洋信息的过程中,中尺度涡信息检测是重要内容之一,其结果直接影响海洋中尺度涡信息反演的精度.为了提高中尺度涡信息提取的准确性,本文根据海洋中尺度涡成像的特点,基于边缘检测,运用连通区域提取技术,综合利用涡旋的形状、尺度等判据,检测图像中的旋涡闭合等值线以及提取旋涡的特征参数.采用Matlab和C#混合编程,将中尺度涡检测算法和遥感数据信息有机结合起来,实现了中尺度涡检测的自动化和可视化,提高了遥感图像的处理效率.实验表明,该方法具有较高的中尺度涡信息检测精度,检测效果理想.     

Towards automatic power line detection for a UAV surveillance system using pulse coupled neural filter and an improved Hough transform

Spatial information captured from optical remote sensors on board unmanned aerial vehicles (UAVs) has great potential in automatic surveillance of electrical infrastructure. For an automatic vision-based power line inspection system, detecting power lines from a cluttered background is one of the most important and challenging tasks. In this paper, a novel method is proposed, specifically for power line detection from aerial images. A pulse coupled neural filter is developed to remove background noise and generate an edge map prior to the Hough transform being employed to detect straight lines. An improved Hough transform is used by performing knowledge-based line clustering in Hough space to refine the detection results. The experiment on real image data captured from a UAV platform demonstrates that the proposed approach is effective for automatic power line detection.     

基于主导边界Radon变换的SAR目标方位角估计方法

针对仅利用主导边界估计带来的目标垂直与水平方位的模糊问题,提出一种基于主导边界Radon变换的合成孔径雷达(SAR)图像目标方位角估计方法。该方法基于分割图像中目标主导边界长度的判别准则进行解模糊,同时引入目标主导边界Radon变换的估计算法,解决了传统主导边界算法中长、短主导边界不易分离的问题。MSTAR实测数据的实验结果表明提出的算法具有良好的精确度和适应性。