基于图割与阴影邻接关系的高分辨率遥感影像建筑物提取方法

高空间分辨率遥感影像的建筑物自动提取能够加速城市基础地理数据库的更新进程.建筑物提取方法存在的一个亟需解决的问题是建筑物轮廓难以准确提取.本文通过建筑物的阴影特征和图割提出一种在高分辨率遥感影像中识别与提取建筑物的方法.首先,基于势直方图函数检测阴影;然后,以长宽比和矩形度作为约束条件从图割结果中筛选出候选分割对象;最后,利用开运算、膨胀和腐蚀分别对阴影进行处理,计算处理后的阴影和候选分割对象之间的邻接关系得到建筑物及其轮廓.为了验证本文方法的有效性,选取PLEIADES影像中6幅具有代表性的子图像进行试验,结果表明本方法的平均查准率和平均查全率分别达到92.31%和74.23%.     

建筑物轮廓双向驱动自适应分割重构的规则化方法

针对从高分遥感影像中提取建筑物易受阴影和植被等遮挡而导致错误检测的问题，提出一种建筑物轮廓双向驱动自适应分割重构的规则化方法。首先采用基于最小外接矩形（MBR）的平直旋转变换算法，旋转建筑物轮廓至水平或竖直状态，减少轮廓图形学显示上的锯齿表征；然后设计MBR和Shi-Tomasi联合双向驱动建筑物轮廓自适应分割算法，将轮廓化整为零精准分割形成局部片段；最后提出基于局部最优权拟合的轮廓重构算法，依次对局部片段进行属性分配、约束重组、最优权拟合与坐标重组，实现建筑物轮廓的规则化。实验结果表明，与初始提取结果相比，经所提方法规则化的轮廓视觉效果更好。与同类基于栅格填充、角点校正、最优外接矩形拟合和主方向的4种轮廓规则化方法相比，所提方法在保证规则化效率的同时，精度也更高，具有更广泛的适用性，对常见包含不同角度变化的复杂建筑物均能得到更加规整的轮廓，可作为建筑物提取后处理规则化的参考手段。     

结合区域生长及主成分分析的机载LiDAR建筑物点云提取

针对机载LiDAR建筑物点云提取过程中与树木紧邻的建筑物难以提取,已有先滤波后提取算法效率低等问题,提出一种结合区域生长与主成分分析的机载LiDAR建筑物点云提取算法。该算法首先对粗差剔除后的机载LiDAR离散点云构建TIN三角网,依据建筑物边缘点所在三角形的特征提取建筑物边缘点;然后将邻域特征优化后的建筑物边缘点作为种子点进行区域生长得到建筑物点云;最后采用主成分分析对提取结果进行检核,剔除非建筑物点云,在此基础上基于连通性对建筑物点云进行单体化分割,剔除小面积区域,得到最终的建筑物激光脚点数据。实验选取国际摄影测量与遥感协会提供的三组典型区域的LiDAR点云数据进行建筑物提取,并与传统形态学和区域生长两种建筑物点云提取算法进行比较,结果表明本文算法可以实现建筑物点云的高精度提取,且对地形及不同类型屋顶的建筑物具有良好的自适应性,验证了算法的可靠性。      

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多,误匹配率较高,容易受噪声及灰度变化影响等问题.该文提出一种基于显著轮廓特征的SAR图像"由粗到精"的匹配新方法.该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果.试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配.     

融合航空影像和LIDAR点云的建筑物探测及轮廓提取

通过分析机载雷达(LIDAR)点云数据与航空影像数据特点,提出了融合机载LIDAR点云和航空影像的建筑物轮廓探测方法。分别提取机载点云和航空影像中的部分建筑轮廓线,将轮廓线拟合成直线段的建筑物轮廓边,并以两相邻且垂直的轮廓边相交得到建筑的角点,根据建筑物的同名角点实现机载点云和航空影像的配准融合;将航空影像的光谱信息赋予机载点云,并将光谱信息作为特征向量进行聚类,分离出植被和树木等地物,利用高程信息从光谱信息相似的地面道路和建筑物中分离出建筑物,提取建筑物的轮廓边,完成建筑物轮廓的探测。实验结果表明,利用该方法进行建筑物点云的分类正确率可达97.96%,轮廓边的提取精度可达0.21m,能够有效的实现建筑物轮廓的探测。     

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多, 误匹配率较高,容易受噪声及灰度变化影响等问题。该文提出一种基于显著轮廓特征的SAR图像“由粗到精”的匹配新方法。该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果。试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配。     

高空间分辨率遥感影像建筑物提取研究综述

遥感影像上建筑物提取的基础理论研究始于20世纪80年代,本文首先对遥感影像上建筑物提取的研究历史进行分析,总结高分辨率航空相片或卫星影像提取建筑物等人工地物信息的主要方法,从影像数据、分辨率与方法几个方面概括建筑物提取的发展历史。深入分析建筑物自动提取三个主要类别的提取方法,即基于区域分割的方法、基于直线和角点检测与匹配的方法、利用辅助知识的方法,在此基础上,总结高空间分辨率遥感影像建筑物提取研究的现状以及发展趋势。     

基于区域增长的遥感影像视觉显著目标快速检测

针对传统视觉注意模型在遥感影像视觉显著区域检测中存在的计算复杂度高、检测精度低等缺点,提出了一种新的视觉显著区域快速检测算法。首先利用整数小波变换降低遥感影像的空间分辨率,从而降低视觉注意焦点检测的计算复杂度;然后在视觉特征融合中引入二维离散矩变换,生成边缘与纹理信息更为丰富的遥感影像显著图;最后在显著图分析中提出区域增长策略来获得视觉显著区域的精确轮廓。实验结果表明,新算法不仅有效降低了遥感影像视觉显著区域检测的计算复杂度,而且能够精确描述视觉显著区域的轮廓信息,同时避免了对整幅遥感影像的分割与特征提取,为今后的遥感影像目标检测提供了一定地参考价值。     

多源遥感影像高精度自动配准方法研究

针对遥感影像本身存在纹理差异,特征点提取不均匀的自动配准问题,提出了一种新的多源遥感影像高精度自动配准方法。首先,对Harris算子进行了改进,使其提取特征点覆盖范围更广;然后,对影像进行分块处理,对每块用文章改进的Harris算子进行特征点提取,并采用分块迭代剔除策略,保证了特征点在整幅影像中的均匀分布和非冗余分布;其次提出了金字塔-双向-最小二乘多匹配算法进行影像匹配,完成了最终同名点选取;最后利用小三角形面元TIN对影像进行了精确纠正。实验结果表明本文方法获取同名点均匀合理,能够更好地实现多源遥感影像的高精度配准,具有一定实际意义。     

一种基于特征点过程的遥感影像道路中心线提取算法

针对现有的道路提取算法提取速率低和完整度低等问题，提出了一种基于特征点过程的遥感影像道路中心线提取算法。根据道路区域的光谱性构建特征点过程，并利用线(表征道路段)连接特征点构成初始的网络结构；根据道路的连接性、弯曲性等特点对网络结构进行约束，同时，根据道路光谱性构建了学生-检验光谱测度约束模型；结合以上模型构建道路提取模型，并设计相关的模拟算法求解提取模型，在最大化后验概率准则下获得最优的道路中心线。以Ikonos, GeoEye-1,Gaofen-2卫星影像为实验对象验证和比较了提出算法和对比算法，利用缓冲区评价法对实验结果进行了定性和定量评价。结果表明，提出算法提取道路中心线的速率和完整度有显著提高，证明了该算法的有效性。     

电子地图色域映射的SOM神经网络方法

颜色的设备相关性导致电子地图在跨媒介再现时容易出现色彩变形以及地理信息错误传输等问题.本文分析了电子地图色域的特征,提出了一种基于SOM(Self-Organizing Maps)神经网络的色域映射方法.针对神经网络方法没有顾及电子地图色域映射过程中的色彩空间权重以及神经网络中邻域函数的各向同性假设不适用于地图色域这两个问题,提出了改进方法.将本文方法与ICC(International Color Consortium)感知再现、绝对色度再现色域映射方法进行了对比,结果表明本文方法能够很好的保持地图整体色差,能够提高电子地图颜色复制精度.     

几何模型约束的SAR图像建筑物提取

利用高分辨率SAR图像进行建筑物提取的常规方法是首先利用二次散射特征线确定建筑物边界, 然后利用叠掩、阴影等散射特征来提取建筑物高度.当建筑物目标走向与星载SAR方位向夹角较大时, 其二次散射特征不明显, 常规重建方法不能取得理想结果.针对这类建筑物目标, 在分析SAR图像上的散射特征为平行四边形条带的基础上, 提出一种基于几何模型约束的建筑物自动提取与三维重建方法.将该方法应用于TerraSAR-X聚束模式图像, 并对提取结果进行了分析和评价, 表明该方法能够有效提取建筑物目标及其三维信息.     

基于快速EM算法和模糊融合的多波段遥感影像变化检测

提出了一种基于快速EM(expectation maximization)算法和模糊融合的多波段遥感影像无监督变化检测方法.该方法首先对各波段差异影像采用基于直方图分析的快速EM迭代算法获取变化分类阈值和变化信息,随后对各波段的变化信息进行模糊融合和判决,生成最终的变化检测图.利用真实的多波段遥感影像进行了实验,本文方法在运行时间和检测效果两个方面都具有优越性.     

基于MapX的卫星遥感影像地图导航系统设计

针对现有的无人机矢量地图导航系统图像不直观、高程数据缺失和矢量点线位置精度有限等不足,基于MapX开发平台,设计了无人机地图导航系统的结构与功能方案。对卫星遥感影像地理信息关联及海量检索处理、矢量图层与栅格图层综合显示处理等关键技术进行了研究,并利用VC++6.0工具开发了一套地形地貌直观丰富、数据处理方便可靠的无人机卫星遥感影像地图导航系统。     

基于高分二号卫星遥感数据的建筑物高度提取

建筑高度信息提取是高分辨率卫星遥感获取城市空间信息的热点问题之一。为了实现建筑物高度信息的高精度提取,提出了一种基于 规则信息的面向对象的建筑物高度反演方法。首先根据建筑物阴影几何、纹理、和光谱特征建立基于规则信息的建筑物阴影 提取算法,进行建筑物阴影信息提取,再通过计算像元平均值算出阴影长度,构建卫星、太阳、建筑物和其阴影的空间模型反演 建筑物高度。采用扬州市两个实验区(佳家花园和杉湾小区)的高分二号卫星遥感数据进行高度反演试验,通过对反演小区的105栋 建筑物实际高度测量,对反演结果验证,总体精度为96.5%。表明该方法在城市建筑物高度信息提取方面具有较高的精度。     

Automatic data capture for geographic information systems

We present a map interpretation system for automatic extraction of high level information from the scanned images of Chinese land register maps. Our map interpretation system consists of three main components: text/graphics separation, parcel extraction, and rotated character recognition. Our approach to text/graphics separation is based on a simple yet effective rule: the feature points of characters are more compact than those of graphics. In the parcel extraction process, the proposed algorithm traces the branches between feature points to extract polygon structure from line drawings. Our character recognition method is based on the matching of extracted strokes using a neural network. The techniques of text/graphics separation and character recognition are robust to the rotation and writing style of characters. Another advantage of our separation algorithm is that it can successfully extract a character connected to a graphical line. Experimental results have shown that the proposed system is effective for the data capture of geographic information systems     

基于数据融合的居民区建筑物重建方法研究

针对美国新奥尔良地区稀疏的LiDAR （Light Detecting and Ranging）点云数据,提出了一种基于LiDAR数据和卫星图像进行融合的居民区建筑物重建方法.该方法利用LiDAR数据点集的边界来定位卫星图像上的感兴趣区域,利用从感兴趣区域中提取的关键提示线来实现屋顶的分割,从而得到属于每个建筑物的屋顶点.然后,基于三角面片的法向量方向信息对其进行聚类,根据法向量之间的关系进行屋顶类型识别,从而实现居民区建筑物的重建.实验表明,该方法在进行居民区建筑物重建时,能达到较高的重建率,且重建所需时间合理,能够满足虚拟现实系统的需要.     

基于代数连通度优化的空间信息网络分布式拓扑控制方法

针对空间信息网络中节点高速运动导致的网络拓扑结构难以长期稳定的问题,本文提出了基于代数连通度优化的网络动态拓扑控制方法,通过少量链路调整来维持网络拓扑的稳定性.为减小空间信息网络节点持续相对运动对网络拓扑结构稳定性造成的不利影响,针对网络初始化和网络重构场景,采用图论中的拉普拉斯矩阵特征值优化思想,构建了星上资源约束条件下的加权代数连通度最大化模型.为降低计算复杂度来实现网络拓扑的捷变控制,提出了基于连通矩阵弱摄动的动态网络拓扑控制策略.研究结果表明,提出的算法能够通过内点法,可高效地得到次优解,且次优解与全局最优解十分接近.     

Predicting cell phone adoption metrics using machine learning and satellite imagery

Approximately half of the global population does not have access to the internet, even though digital connectivity can reduce poverty by revolutionizing economic development opportunities. Due to a lack of data, Mobile Network Operators and governments struggle to effectively determine if infrastructure investments are viable, especially in greenfield areas where demand is unknown. This leads to a lack of investment in network infrastructure, resulting in a phenomenon commonly referred to as the ‘digital divide’. In this paper we present a machine learning method that uses publicly available satellite imagery to predict telecoms demand metrics, including cell phone adoption and spending on mobile services, and apply the method to Malawi and Ethiopia. Our predictive machine learning approach consistently outperforms baseline models which use population density or nightlight luminosity, with an improvement in data variance prediction of at least 40%. The method is a starting point for developing more sophisticated predictive models of infrastructure demand using machine learning and publicly available satellite imagery. The evidence produced can help to better inform infrastructure investment and policy decisions.