基于遥感数据特征和像元替换技术的边缘提取方法

随着城市化的发展,城市遥感领域在中国发展迅速。高分辨遥感图像的边缘提取是当前城市遥感的重要研究领域。实践中,传统的边缘检测算子主要是通过图像空城特征微分,建立不同结构的模板完成。高分辨率遥感数字图像包括了空间域和光谱域两种信息,因此,借助于图像的光谱和空间域两种特征信息提高提取城市边缘信息精度已经成为当前算法开发的基本思路。该研究通过设计光谱分解和边缘检测的算子模板,综合利用了图像的光谱、空间特征信息。研究结果表明,这种方法有效地提高了城市遥感数据边缘信息的提取精度,同时还具有方法简便、计算速度怏的特点。     

基于 HSV 空间彩色图像的边缘提取方法

边缘检测是彩色医学图像处理中一个很重要过程,传统的彩色医学图像边缘提取方法是基于RGB（红,绿,蓝色）色度空间,但是RGB空间不能体现人类的视觉特征,而且彩色分量的计算不能确切体现图像中目标物体的特征,并且计算量大。该文通过对HSV（色度,饱和度,亮度）的观察,提出了基于HSV色度空间的,应用小波分析原理对彩色医学图像进行边缘提取的方法,计算机模拟结果显示,该方法能够确快速检测出图像的边缘,处理简单,效果较好。     

基于边缘提取的遥感图像自动镶嵌方法

为消除图像镶嵌中的接缝现象,提出一种基于边缘的优化镶嵌线选取方法。对两幅待镶嵌图像进行直方图匹配后,计算得到差值图像,将差值图像和方向作为约束,对基准图像进行边缘提取,对不连续过渡边缘采用插值修补,优化镶嵌线选取。采用LandSat遥感图像进行实验,比较平滑度及对比度等指标,比较结果表明,该方法能够优化镶嵌效果,具有较高的应用价值。     

遥感图像边缘提取微分方法及其应用

遥感图像处理过程中,边缘提取一直是研究的热点与难点。通过介绍边缘的概念及种类,对传统的一阶微分方法和二阶微分方法进行了深入的探索,对各种微分方法的原理及过程,以及各种方法对图像的处理结果进行了对比分析,最后对遥感图像边缘提取方法所面临的问题和今后的发展方向表达了自己的观点。     

基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。     

一种基于频域谐波能量和模糊理论的遥感图像边缘特征检测方法

从传统的梯度算子的边缘检测算法对高分辨率遥感图像无法有效检测出发,探讨一种基于傅里叶变换和模糊推理的高分辨率遥感图像边缘特征检测的方法。该方法首先提取前n次谐波能量,根据直流中心频谱图像良好的噪声抑制特性,分析高频分量对图像边缘特征的贡献。然后采用巴特沃斯低通滤波器获取低频分量,采用模糊推理的方法提取低频分量中的边缘特征,将这两部分的边缘特征叠加,得到最终的边缘检测图像。仿真实验表明,所提出的算法检测出的图像边缘特征效果显著,抗噪能力强。     

特征融合的多时相遥感图像道路提取方法

为了提高单时相遥感图像道路提取的准确度，提出一种基于特征融合的道路提取方法。首先，提取已配准好的多时相SPOT图像直线段特征和角点特征，然后，对得到的特征进行融合判断，从特征融合结果中提取近似平行线，最后进行道路拟合。本文对相位编组道路段提取方法进行了改进，引入基于灰度SUSAN的角点特征信息，提高了道路段提取的准确性。文章最后给出了实验结果。     

基于云的多光谱遥感影像边缘检测研究

提出一种基于云的多光谱遥感影像边缘检测算法。该算法依据矢量角相似性准则并结合邻域关系进行图像区域生长,在此基础之上根据影像的波段建立多维云模型,将待处理对象映射到多个云空间,通过逻辑运算生成边界云并进行多维向量的综合。构建边缘模糊特征平面,在条件概率和模糊划分熵的基础上,通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法在多光谱遥感影像中能取得较好检测效果。     

基于多光谱海洋遥感图像的水陆分离方法

海洋遥感图像的水陆分离对于船舶导航、海洋工程及海洋安全领域的研究都有着十分重要的意义。针对遥感图像的多光谱特性进行研究,提出一种有效的多光谱遥感图像的水陆分离方法。在对IKONOS卫星遥感影像数据的蓝、绿、红和近红外4个波段进行光谱特性分析的基础上,选定各自的权值,采用LOG边缘检测算子分别对各波段做边缘提取,最后通过对各波段的边缘加权叠加实现水陆分离。该方法充分利用了遥感图像的多光谱特性,通过实验仿真验证了该方法对多光谱遥感图像水陆分离的有效性和可行性。     

一种用细胞神经网提取遥感图像边缘的新方法*

针对灰度遥感图像具有噪声多、图像亮度均匀、边缘模糊等特点,提出了基于细胞神经网遥感图像边缘检测的新方法。该算法主要是利用细胞神经网先后对遥感图像进行图像滤波、灰度阈值化、膨胀腐蚀、边缘检测等模板操作。实验结果表明,与传统的Sobel和Canny边缘检测算法相比,本算法不仅能有效地去除噪声对边缘检测的影响,而且能够快速完整地提取图像边缘。     

基于谱抠图的遥感图像滑坡半自动提取

为统计遥感图像中滑坡区域的有效数据,提出基于谱抠图的遥感图像滑坡半自动提取方法。建立抠图拉普拉斯矩阵,计算特征向量,自动确定聚类数,利用爬山算法对图像聚类,根据特征向量和用户交互数据得到抠图成分,去除平滑项,得到前景透明度。实验结果证明该方法能够有效提取滑坡信息,准确率高,稳定性强。     

波谱匹配支持的遥感专题地物自适应提取

为贴合地物表现的多样性和复杂性,提出一种波谱匹配支持下的遥感影像专题地物自适应提取方法,经过专题地物端元选取、波谱匹配、影像自动分割、"整体-局部"的空间转换,以及局部针对性、精细化地迭代逼近等一系列相互衔接的算法,全面、准确地提取遥感影像上的专题地物。通过在ETM+影像上水体和裸地的提取实验,并与最大似然法和SVM分类结果比较,证明了该方法对多样性专题地物提取的有效性和普适性。     

High-resolution Remote Sensing Image Road Extraction Method for Improving U-Net

Accurate and efficient extraction of road information based on remote sensing image is a great significance for the establishment and maintenance of basic geographic databases. Due to the complex background information of high-resolution remote sensing images, existing algorithms cannot extract road information very well. U-Net network has good experimental results in image segmentation, but the accuracy of road segmentation results is not good. For this reason, this paper proposes a high-resolution image road extraction method based on improved U-Net network. Firstly, the U-Net-based network structure is designed and implemented. The network uses VGG16 as the network coding structure, which can extract feature semantic information better. Secondly, the use of Batch Normalization and Dropout solves the phenomenon of over-fitting that occurs during the network training process. Finally, the training data is expanded by rotation and mirror transformation, and the ELU activation function is used to improve the network training speed. The experimental results show that the method can extract road information more accurately and efficiently.     

一种改进U-Net的高分辨率遥感影像道路提取方法

从遥感影像中准确高效地提取道路信息,对基础地理数据库的建立与维护具有重大意义。高分辨率遥感影像背景信息复杂,导致现有算法无法较好地从中提取道路信息。U-Net网络在图像分割方面有较好的实验效果,但道路分割结果准确性不佳,因此,提出了一种改进U-Net网络的高分辨率影像道路提取方法。首先,设计基于U-Net的网络结构,将VGG16作为网络编码结构,可更好地提取特征语义信息;其次,利用Batch Normalization与Dropout解决网络训练过程中出现的过拟合;最后,对训练数据利用旋转与镜像变换进行扩充,采用ELU激活函数,提升了网络训练速度。实验结果表明：该方法可以较为准确高效地提取道路信息。     

基于模糊连接度的卫星图像道路提取新方法

论文提出一种将相对模糊连接度和道路特征相结合进行卫星图像主干道路半自动提取的新方法。首先将原始图像划分为多个目标,对每一类目标分别人工选取种子点,然后计算出图像中各像素点与每一类种子点之间的模糊连接度,将其归属于模糊连接度值最大的一类,从而分离出道路目标。接着结合道路局部特征运用模糊连接度连接断裂路段,最后根据道路走向进一步完善整个道路轮廓。SPOT图像道路提取实验表明,新方法可以取得很好的效果。     

高分辨率遥感影像信息提取及块状基元特征提取

分析了基于目标基元的遥感信息提取技术相对于传统的基于像元的处理方式所具有的优势;结合人类视觉机制和计算机尺度空间理论,设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术流程框架,即在大尺度下进行粗分割后进行块状基元提取的技术及实现过程;最后给出了相关实验结果,实验表明本文提出的基于基元的遥感信息提取便于与视觉知识和环境知识更好地结合,提高了遥感信息处理与应用的自动化和智能化水平。     

融合多尺度特征的遥感影像道路提取方法

针对遥感影像中由于道路信息错综复杂,导致道路提取不完整、精确度低等问题,提出一种新型遥感影像道路提取方法。融合多尺度特征改善道路提取的整体效果,基于深度残差网络设计混合空洞卷积,并通过定义卷积核各值的间距增大特征提取感受野,从而丰富多尺度特征融合模块中的浅层道路语义信息。在编码端提取特征后,利用权重分布的方法匹配感受野尺度,使用不同层级间的特征对全局先验信息进行表征,提高多尺度融合特征获取浅层道路语义信息的准确性,并将改进的多孔空间金字塔池化模块融入到深度残差网络中,挖掘并深度聚合道路浅层次和深层次的语义信息。在两种高分辨率遥感数据集Cheng_Data_Roads和Zimbabwe_Data_Roads上的实验结果表明,所提方法的F1值和MIoU值分别为91.16%和83.63%,准确率、召回率等评价指标均明显优于U-net、ResUnet、D-Linknet等语义分割方法。     

一种基于波段组合的遥感图像彩色合成新方法

研究了面向土地沙化的基于波段组合的遥感图像彩色合成问题。通过计算陆地卫星TM(Thematicmapper,TM)数据波段间的协方差、相关系数矩阵和主要统计特征参量,获取TM波段组合的基础数据;然后采用信息量分析法确定土地沙化研究的优劣波段,通过波段间的相关性分析筛选适合于土地沙化分析的波段集,基于该波段集,采用最佳指数法给出优化波段组合,在优化波段组合与彩色图像合成基础上进行遥感图像预处理。以河北省沽源县的TM数据为例,对河北省沽源县TM各波段及监督分类中沙化样本各波段信息进行了处理,结果表明TM4、7、1为该区域土地沙化研究的最佳波段组合。     

适合人口普查区域划分的遥感影像最佳空间分辨率研究

根据人口普查区域划分对地理信息的需求,分析总结了不同区域类型和不同人口数量等级普查区域对遥感影像的要求。对主要确定普查区域界线的地物进行了归纳,依据遥感影像最佳空间分辨率的概率模型,分析得出不同区域满足人口普查区域划分需要的遥感影像最佳空间分辨率,并通过实验区的实际应用进行了验证,作为全国人口普查普查区域划分及制图选择遥感影像空间分辨率的依据。