基于多特征模糊对象进行遥感图像的识别

提出一种利用多特征模糊对象的方法进行遥感图像中目标物的识别和提取.在时遥感图像进行预处理,获取较好的图像增强和去噪效果后,然后采用面向对象的方法进行图像分割,通过对象在现实世界中所表现出的特征来提取对象,并对这些特征进行不同的隶属度的分配和值域处理.最后通过模糊积分来确定对象目标,以达到解读图像的目的.通过实验进行了图像的识别并提取出了道路信息,达到了较好的效果.     

改进的基于模板去除骨架毛刺的方法

如何去除毛刺是图像处理中一个经典的问题和研究热点,目前有些方法只能去除较短的毛刺,不能适合特定的需要,有些方法存在部分骨架主体被去除的缺点。对基于模板去除毛刺的方法进行了改进,该方法首先在8邻域模板范围内进行统计,确定相应的像素类型,然后基于人工定义毛刺的长度进行毛刺去除。实验表明,该方法能够适应不同长度的毛刺,并且可以尽可能地保持骨架主体信息,对单像素宽度的骨架图像去除毛刺具有一定的可行性和优越性。     

Dempster-Shafer证据融合形状特征的高分辨率遥感图像道路信息提取

道路提取是遥感图像目标识别和提取中一项具有重要意义而困难的任务。在遥感图像道路提取的过程中,由于道路的不同形状和图像信息的复杂性,目前在许多基于形状特征提取道路的方法中,选取形状特征阈值时具有一定的难度,且需要大量的人工干预操作,缺乏一定的通用性,因此,本文提出一种基于DS(dempster-shafer)证据理论和形状特征的道路提取方法。该方法首先对道路的几何形状特征进行分析和优化,据此设计概率分配函数,并利用DS证据理论融合形状特征以获取道路段,最后通过道路连接操作得到道路的中心线。文末通过对典型道路图像和非典型道路图像的实验表明,该方法能够降低选取形状特征阈值的难度和对人工的依赖性,能适用于高分辨率遥感图像中直线型和曲线型道路的提取,具有一定的可行性。