复杂水体边界提取的改进正交T-Snake模型

引入拓扑自适应动态轮廓(T-Snake)模型并进行了改进,设计了合适的能量函数,提出了目标内部岛状空洞引起的拓扑冲突的检测与处理机制,实现了包含河中岛的复杂河流边界的精确提取。针对模型初始轮廓需手动构造的缺点,利用影像分形维数最小值获取水体内部区域并实现轮廓自动初始化。试验表明,该方法可有效提取水体深凹边界和含河中岛的河流边界,在精度和效率上优于传统Snake和GVF Snake模型。     

运用GVF Snake算法提取水域的不规则边界

GVF Snake是一种改进型主动轮廓提取算法。本文在详细介绍GVF Snake原理的基础上,重点对GVF Snake的内、外部约束力在边界提取中的作用以及初始边界对提取结果的影响进行了实验研究,提出了初始边界和内部约束力权值的合理设置方法,设计并实现了交互式GVF Snake算法,并用于提取遥感影像上水域的不规则边界。该算法采用种子点区域生长法自动给出水域的初始边界,采用人机交互法设置内部约束力权值,然后运用GVF Snake算法搜索水域的实际边界。实验表明：对于形状极不规则的水域,交互式GVF Snake算法也能方便、快速、准确地获取其边界。     

结合LiDAR与遥感影像的水域边界提取方法

针对高分辨率遥感影像提取水域边界不准确、不完整的问题,提出了高分辨率遥感影像结合机载LiDAR点云数据提取水域边界的新方法。首先将配准后的LiDAR点云数据网格化,生成DSM影像,然后运用数学形态学分析获取水体的初始边界信息,最后基于活动轮廓模型的图割算法对构建的边界缓冲区进行优化分割,从而获取精确的水域边界。实验结果表明,该方法能够去除部分水域干扰噪声且能够得到比较精确的边界信息,具有较好的视觉效果和较高的工程应用价值。     

基于遥感影像的地块边界半自动提取

针对遥感影像图中地块的提取,提出了一种基于高斯模型的地块边界的半自动提取方法。以无人机影像为实验数据,首先利用影像分割得到包含要提取地块的窗口影像;然后利用高斯模型对地块进行提取,该算法解决了传统图割算法抗噪能力差的问题。随后,运用数学形态学对分割的结果做进一步处理;最后利用边界提取函数对地块边界进行提取并对边界进行拟合。实验结果证明,本文算法不仅提取地块精度较高,而且适当的减轻了工作人员的工作强度。     

复杂环境下高分二号遥感影像的城市地表水体提取

水体指数可以抑制背景噪声和提高地表水体的可分性,已经广泛用于地表水体提取。传统FCM聚类算法考虑了地物的不确定性,但没有顾及地物的邻域空间信息,对背景异质性比较敏感。针对传统FCM聚类算法的不足,提出一种可变邻域的区域FCM聚类算法。由于复杂环境下高分二号(GF-2)遥感影像的城市地表水体具有复杂异质背景和不确定性的特点,本文利用水体指数和区域FCM聚类算法的优点,提出一种整合水体指数和区域FCM的城市地表水体自动提取算法,该算法主要步骤包括:(1)去除影像阴影后计算归一化差分水体指数NDWI(Normalized Difference Water Index);(2)区域FCM聚类算法;(3)整合水体指数和区域FCM聚类的城市地表水体自动提取算法。最后采用两景GF-2高分辨率遥感影像(广州和武汉)进行实验,验证了该算法的有效性,并与经典地表水体提取算法进行对比分析。实验结果表明:该算法具有较高的水体提取精度,城市地表水体边界既具有较好的区域完整性又保持了局部细节,同时对城市地表水体复杂背景噪声具有较好的抑制作用,有效减少传统FCM聚类算法的"胡椒盐"现象。     

区域生长与GVFSnake模型相结合的水域边界提取

利用梯度矢量流GVF(Gradient Vector Flow) Snake模型实现了全色遥感影像上水域边界的智能提取.对于形状特别复杂的水域,单独利用GVF Snake模型提取其边界,存在着人机交互繁琐、时间消耗大、提取精度有待提高等问题.为了解决这些问题,提出了一种自动初始化的GVF Snake,利用区域生长法自动...     

光学遥感影像与GIS数据一体化的水体分割、配准与提取方法

利用遥感影像进行自动化水体提取是一项富有挑战的任务。提出了一种GIS数据辅助下的可见光遥感影像水体自动提取方法,其核心是将影像分割、配准和变化检测集成为一体化处理流程检测水体。利用水体在遥感影像上的显著特性,首先提出了基于多尺度视觉注意模型的疑似水体区域检测;然后对影像显著区域进行水平集分割处理,通过迭代的分割和配准一体化处理不断优化直至获得最优的分割和配准结果,其中改进的形状曲线相似度特征用于约束分割结果与GIS水体对象的匹配;最后,利用基于缓冲区的变化检测方法获取变化和未变化的水体对象,同时利用已知水体辐射特征与GIS地物的空间位置关系剔除非水体对象。采用3组不同分辨率的遥感影像和不同尺度的GIS数据进行实验,结果显示了本文方法在水体自动提取和变化检测中的有效性。     

共轭面状特征的快速提取与遥感影像精确配准

使用数学形态学的"膨胀算子"对影像进行预处理,提出了一种改进的基于高斯拉普拉斯算子的面状特征提取和细化方法,并利用边界代数快速标注边界封闭的面状特征。在提取面状特征的基础上,利用奇异值分解算法,实现了基于面状质心的遥感影像匹配,进而完成精确配准。实验结果表明,与传统方法相比,此方法在速度与准确度上具有明显优势。     

基于MODIS遥感数据的水体提取算法研究

针对MODIS遥感数据采用多波段普间关系算法提取水体容易与阴影混淆,产生提取不精确的问题。作者将对多波段普间关系水体提取算法进行研究,并以鄱阳湖为实验对象,使用改进后的多波段普间关系算法对水体进行提取。实现提升水体提取精度的目标。     

基于Snake模型的水体提取

引入Snake模型,并对其进行改进,在水体内部构造初始轮廓线,通过轮廓线的膨胀变形拟合水体边界,从而实现对水体的提取。实验分析证明此方法整体效果较好。     

基于最小外接矩形的遥感影像建筑物轮廓优化方法

深度学习提取高分辨率遥感影像中的建筑物信息容易受到物体周围的阴影、植被等噪声干扰而使结果存在边界锯齿化、建筑物整体不规整等问题.本文提出了利用符合建筑物边界轮廓的最小外接矩形最大限度地拟合建筑物轮廓的思路.首先利用深度学习和建筑物验证处理得到的建筑物信息,对建筑物边界利用垂距法进行多边形的拟合;然后对多边形的最小外接矩...     

点分布-双蛇模型用于矢量边界更新

在利用遥感影像更新GIS矢量数据的过程中,往往忽略了对已知信息的有效利用,针对这一问题,本文提出一种基于点分布的双蛇模型用于GIS矢量数据更新,该模型利用已有遥感影像信息计算目标边界点的平均分布,以此为"镜面"建立初始矢量边界的"镜像",将两边界各自演化的结果取平均作为更新后的GIS矢量边界。该方法同时利用了GIS和遥感的历史数据作为先验知识,分别作为蛇模型的初始位置和区域约束信息,使遥感与GIS信息结合更加紧密。仿真实验表明,基于点分布的双蛇模型在GIS矢量边界更新的应用中,可以得到比以传统蛇模型更好的更新准确率和多边形相似度,并且接近手工方法的效果。     

基于语义规则的高分辨率影像道路交叉口提取方法

为了准确提取遥感影像上道路交叉口目标,提出一种利用特征语义规则从高分辨率影像上提取道路交叉口的方法。该算法构建交叉口模型时将其视为由同质区域像素集合及区域轮廓边界构成的面对象,提取过程分为两步:1)利用辐射、纹理特征语义匹配提取交叉口候选区域;2)通过几何特征语义匹配筛选候选区域、识别交叉口属性。利用多源遥感影像对算法正确性及合理性进行验证,结果表明:算法能准确、完整地提取道路交叉口,可为影像道路网构建提供辅助信息。     

一种遥感影像混合噪声的去噪方法

为了减弱遥感影像噪声的影响,提高影像使用价值,提出了一种新的针对遥感影像混合噪声去噪的组合滤波,即基于三维块匹配和自适应中值滤波的去噪方法;此外使用rbio3小波和db20小波替换传统三维块匹配参数,进行两个仿真试验和一个真实遥感图像去噪试验。结果表明：本文方法在去除遥感影像常见的脉冲与高斯噪声方面,效果优于传统滤波方法。     

MODIS遥感数据辅助的鄱阳湖水体范围变化数值模拟

针对水体范围高动态变化的鄱阳湖,充分发挥数值模拟和遥感各自的优势,使用从MODIS影像上提取的水体范围初始化鄱阳湖水体范围数值模拟边界和率定模型参数,并与模拟的水体范围结果进行交叉验证分析。对鄱阳湖2001-07-08～11-30水体范围动态变化数值模拟的结果显示,水位模拟平均绝对误差小于15cm,数值模拟获取的水体范围与MODIS无云影像提取的湖泊水体范围具有较高的一致性,水体面积平均相对误差为5.7%。     

基于混合像元分解的水体遥感图像去云法

大型内陆水体的遥感图像中往往存在着不均匀薄云或者是气溶胶的影响，由于种种原因，传统的大气辐射校正算法无法消除这种不均匀影响，这就给遥感图像的大气校正带来了很大困难。由于水体属于低反射率地物，这种薄云或者气溶胶的不均匀性带来的误差，极大地降低了水体遥感图像的信噪比，进而影响水体信息遥感提取精度。根据部分太湖地区的遥感图像和地面实测数据，作者以一种新的思路来尝试解决这个问题。该方法充分考虑了水气环境的特点，把水体像元光谱看作水、污染物和气溶胶（薄云）等光谱的混和。基于混合像元模型，该方法有效地消除了薄云和气溶胶的影响，可使我们通过遥感手段更加精确地提取水质信息。     

遥感图像信息系统数据模型设计

通过分析遥感图像信息系统需要存储和管理的各种数据,建立了各种数据之间的拓扑结构图,设计了基于遥感影像的发散式的影像数据库,建立了遥感图像信息系统数据模型.实验表明,该数据模型能够合理地存储和管理多种遥感影像及相关数据.     

基于增强DeepLabV3网络的高分辨率遥感影像分类

由于高分影像具有地物细节丰富、类别差异大等特点,现有的卷积神经网络影像分类方法普遍存在分类精度低、地物边界不准确等问题。鉴于此,本文提出一种基于增强DeepLabV3网络的影像分类模型。首先构建R-MCN网络结构,利用大小不同的卷积核并结合残差网络的思想进一步提取浅层网络的多尺度、多层次的特征信息;然后采用可学习的上采样方式,并将R-MCN提取的特征与高阶的语义信息相融合;最后通过提出的Mloss损失函数,获得遥感影像的地物分类结果。试验结果表明,相对于传统的卷积神经网络,本文方法能细化地物的边缘信息,改善分类效果,获得更高的影像分类精度。