基于网络拓扑结构的多摄像头移动对象辅助协同跟踪

针对当前公共安全监控系统在应对突发事件时,因监视器数量多、信息量大、事件变化快等因素而导致的不能及时有效地对移动对象进行跟踪的问题,提出了一种基于拓扑结构的多摄像头移动对象辅助协同跟踪方法。首先将城市路网中的摄像头监控区域抽象为虚拟节点定位至结点弧段模型中,构建摄像头网络拓扑结构;根据拓扑关系搜索出与发现移动对象的摄像头关联的摄像头集合;再分析摄像头间的空间邻近关系和时间差异,获取时序关系最优的摄像头组作为重点监控区域进行移动对象跟踪,并定期进行协同更新。最后建立了一个模拟监控系统验证了利用多摄像头协同方法实现对移动对象实时跟踪的有效性。     

三维虚拟地球中移动对象的时空数据组织方法

针对三维虚拟地球中实时GIS数据组织、管理与动态可视化的要求,设计了三维虚拟地球中移动对象的时空数据组织方法。提出了基于HR-tree扩展的时空索引方法,实现了对虚拟地球中移动对象的检索与查询,并基于三维虚拟地球平台对本文方法进行了实验,结果验证了本文方法的有效性和可行性。     

基于改进的像素级和对象级的遥感影像合成分类

像素级和对象级的分类研究分别作为两个独立的方向开展,二者的结合与优势互补还没有引起关注。本文对像素级和对象级分类方法的结合做出新的探索,提出了基于改进的像素级和对象级的遥感影像合成分类方法。首先,以一种改进的RBF神经网络分类器进行像素级分类、以一种基于改进模糊支持向量机和决策树的层次分类模型进行对象级分类,获得多层次分类结果。然后,提出了一个具体的像素级分类与对象级分类的合成算法,对多层次分类结果进行合成。实验表明,合成分类方法能有效地提高分类结果的精度,提供比单一像素级方法或对象级方法更准确的分类结果。     

机载视频影像运动目标检测与跟踪技术

运动目标检测跟踪是一项新兴热点技术,其处理的主要对象是视频影像数据,核心是实现对视频影像数据中运动物体的检测及跟踪。以机载视频数据为研究对象,对这项技术进行了较为深入的分析。将运动目标检测跟踪技术划分为视频影像预处理、目标检测及运动跟踪3个功能部分,并分别分析与之相关的技术方法,阐明该类问题的解决思路和探索方向。     

基于对象关系数据库的空间数据模型研究

分析了面向对象关系模型的数据结构,对Oracle Spatial组件中空间数据存储结构及对象关系数据模型进行了分析,分别给出了Oracle数据库中使用对象关系数据模型存储空间数据的构建方法,以及地图索引、元数据表的构建方法.     

基于时空对象的高铁网络建模方法

全空间信息系统将现实世界中的实体抽象为多粒度时空对象,并对其进行表达与分析,较传统地理信息系统来说更符合人类的认知。对高铁网络对象的基本特点及现有交通网络建模方法进行了分析,可知目前现有的建模方法难以支持具有动态性、关联性及多粒度特性的高铁网络对象的表达。依据多粒度时空对象建模思想,提出了一种适合高铁交通数据的全面表达与操作的建模方法;并对高铁网络对象化建模方法的优势及建模过程进行了探讨,设计了概念模型和逻辑模型;通过实例对提出的建模方法进行了验证,并采用可视化表达的方法检验高铁网络时空对象数据的有效性。实验结果表明,基于时空对象的建模方法能够较好描述高铁时空实体多维动态特征,能为后续高铁网络时空查询、分析提供支持。     

机载视频影像运动目标检测与跟踪技术

运动目标检测跟踪是一项新兴热点技术,其处理的主要对象是视频影像数据,核心是实现对视频影像数据中运动物体的检测及跟踪.以机载视频数据为研究对象,对这项技术进行了较为深入的分析.将运动目标检测跟踪技术划分为视频影像预处理、目标检测及运动跟踪3个功能部分,并分别分析与之相关的技术方法,阐明该类问题的解决思路和探索方向.     

基于影像对象特征的变化检测技术研究

主要对现有的变化检测技术和影像对象特征进行了研究和分析,在此基础上,提出了利用影像对象特征的方法对不同时相的遥感影像的变化地物进行对比、检测和提取。通过大量的实验对变化的地物信息进行了对比和提取,再对地形图数据库进行更新。通过实验研究证明,本方案基本可行。     

融合像素级和对象级的遥感图像变化检测方法

针对现有遥感影像变化检测方法常存在的检测结果破碎、虚检较多、对数据匹配要求高等问题。提出了一种融合像素级和对象级的遥感图像变化检测方法。利用光谱和纹理信息构建单高斯模型,在多尺度上进行像素级变化检测。然后,以像素级检测结果为种子区域,同时在变化前后影像上区域生长,融合生长结果提取变化对象。最后,依据检测需求对变化对象进行特征分类并滤除虚警。实验结果表明,该方法降低了虚检,保持了变化区域的结构完整性,在变化前后图像分辨率存在一定差别时仍有较高的检测精度。     

多维度对象数字化信息记录技术研究

对多维度对象进行数字化信息记录，是对其进行虚拟展示、传输和分析等操作的基础。在虚拟世界的建造过程中，多维度对象的空间及色彩等特征的数据采集始终是一项困难的，同时却又十分重要的工作。以敦煌石窟中的文物对象为例，详细讨论了集成化的多维对象数字化信息记录技术。并针对敦煌石窟中的典型代表文物：敦煌壁画与彩塑的特点，提出了面向高精度记录和展示要求的敦煌壁画和彩塑对象的数字化获取方法和规范。     

星地协同的卫星视频高效压缩方法

新兴的视频卫星数据采集速率与星地实时传输速率间存在巨大差异。传统视频编码技术通过去除单个视频中短时局部冗余以降低待传输数据量,但仍无法满足在现有星地传输带宽下实时数据传输的需求。长程背景冗余由多个遥感视频对同一观测区域重复拍摄所引发,广泛存在于具有一定时间跨度的重复拍摄的卫星遥感视频数据中。针对这一冗余去除问题,首先探讨了影响地貌背景变化的主要因素,提出了长程背景参考字典;其次,提出了基于长程背景参考字典的参考帧生成方法;最后,提出了基于长程背景参考的卫星视频编解码框架。实验表明,通过引入长程背景字典参考,卫星视频压缩后码率较现有方法降低64.38%,有助于推动卫星视频实时监测的发展与应用。     

Combined object-based classification and manual interpretation–synergies for a quantitative assessment of parcels and biotopes

Recent technical advances in remote sensing data capture and spatial resolution lead to a widening gap between increasing data availability on the one hand and insufficient methodology for semi-automated image data processing and interpretation on the other hand. At the interface of GIS and remote sensing, object-based image analysis methodologies are one possible approach to close this gap. With this, methods from either side are integrated to use both the capabilities of information extraction from image data and the power to perform spatial analysis on derived polygon data. However, dealing with image objects from various sources and in different scales implies combining data with inconsistent boundaries. A landscape interpretation support tool (LIST) is introduced which seeks to investigate and quantify spatial relationships among image objects stemming from different sources by using the concept of spatial coincidence. Moreover, considering different categories of object fate, LIST enables a change categorization for each polygon of a time series of classifications. The application of LIST is illustrated by two case-studies, using Landsat TM and ETM as well as CIR aerial photographs: the first showing how the tool is used to perform object quantification and change analysis; the latter demonstrating how superior aggregation capabilities of the human brain can be combined with the fine spatial segmentation and classification. Possible fields of application are identified and limitations of the approach are discussed.     

面向地学应用的遥感影像分割评价

影像分割是面向地理对象影像分析(GEOBIA)中的一个关键环节。分割评价有助于为影像选择合适的分割方法和最佳分割尺度。本文提出一种以遥感地学应用面向的对象为依据的分割方法分类及评价体系。首先将影像分割方法分为面向局部特征监测的典型目标识别和面向全局特征监测的面向GEOBIA的分割方法两组,进而针对这两组分割方法提出了两套分割评价测度指标及相应的综合评价方法。在面向典型目标识别的分割方法评价中,使用区域内部非均质度、区域间灰度对比度、区域间散度对比度、边界点梯度和单位像素运行时间作为评价测度,并针对由于评价测度间的相关性而无法直接确定各测度权重分配的问题,提出利用熵权法为各个评价测度分配权重以获得综合评价结果的分割评价方法,该评价方法可用于选择合适的分割方法。用于面向GOEBIA的分割方法中使用分割区域内均质性和区域间异质性作为评价测度,这种评价方法适用于选择最优分割尺度参数。本文通过定量试验论证了这两种评价方法的有效性,试验结果表明其在遥感应用中具有实际意义。最后本文分析了影像分割评价方法的不足及未来的发展方向。     

H.263视频编解码器在TM1300上的实现与优化

介绍了ITU－T．H263编解码算法原理和TM1300定点DSP芯片。针对该芯片的硬件结构特点，设计了一套设计TM1300之上的实时视频信号采集、视频编码、视频输出系统的可行方案。讨论了H．263实时视频编码在TM1300上定点实现的关键技术和难点问题，详细论述了H．263编解码算法的代码优化技术。测试表明，本文的实现及优化技术是可行的。     

面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集（WashingtonD.C.数据）验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。     

Comparing object-based and pixel-based classifications for mapping savannas

The development of robust object-based classification methods suitable for medium to high resolution satellite imagery provides a valid alternative to ‘traditional’ pixel-based methods. This paper compares the results of an object-based classification to a supervised per-pixel classification for mapping land cover in the tropical north of the Northern Territory of Australia. The object-based approach involved segmentation of image data into objects at multiple scale levels. Objects were assigned classes using training objects and the Nearest Neighbour supervised and fuzzy classification algorithm. The supervised pixel-based classification involved the selection of training areas and a classification using the maximum likelihood classifier algorithm. Site-specific accuracy assessment using confusion matrices of both classifications were undertaken based on 256 reference sites. A comparison of the results shows a statistically significant higher overall accuracy of the object-based classification over the pixel-based classification. The incorporation of a digital elevation model (DEM) layer and associated class rules into the object-based classification produced slightly higher accuracies overall and for certain classes; however this was not statistically significant over the object-based using spectral information solely. The results indicate object-based analysis has good potential for extracting land cover information from satellite imagery captured over spatially heterogeneous land covers of tropical Australia.     

Efficient paddy field mapping using Landsat-8 imagery and object-based image analysis based on advanced fractel net evolution approach

This paper proposes an efficient paddy field mapping method using object-based image analysis and a bitemporal data set acquired by Landsat-8 Operational Land Imager. In the proposed approach, image segmentation is the first step and its quality has a serious impact on the accuracy of paddy field classification. In order to improve segmentation quality, a new segmentation algorithm based on a frequently used method, fractal net evolution approach, is developed, with improvement mainly in merging criteria. In order to automate the process of scale parameter determination, an unsupervised scale selection method is utilized to determine the optimal scale parameter for the proposed image segmentation approach. After segmentation, four types of object-based features including geometric, spectral, textural, and contextual information are extracted and input into the subsequent classification procedure. By using a random forest classifier, paddy fields and nonpaddy fields are separated. The proposed image segmentation method and the final classification result are both quantitatively evaluated. Our segmentation method outperformed two popular algorithms according to three supervised evaluation criteria. The classification result with overall accuracy of 91.00% and kappa statistic of 0.82 validated the effectiveness of the proposed framework. Further analysis on feature importance indicated that spectral features made the most contribution as compared to the other three types of object-based features.     

基于变化检测的视频对象提取及后继帧的对象跟踪

提出一种多尺度帧间边界变化检测方法，将当前图像划分为变化区域和非变化区域，变化区域内采用基于Hausdorff距离跟踪器找到对象在后继帧的最佳匹配位置；然后利用Snake模型拟合该位置上的非刚性形变，得到对象真实边缘；最后采用一种基于距离变换的最短路径法使开环闭合。     

A Tool Assessing Optimal Multi-Scale Image Segmentation

Image segmentation to create representative objects by region growing image segmentation techniques such as multi resolution segmentation (MRS) is mostly done through interactive selection of scale parameters and is still a subject of great research interest in object-based image analysis. In this study, we developed an optimum scale parameter selector (OSPS) tool for objective determination of multiple optimal scales in an image by MRS using eCognition software. The ready to use OSPS tool consists of three modules and determines optimum scales in an image by combining intrasegment variance and intersegment spatial autocorrelation. The tool was tested using WorldView-2 and Resourcesat-2 LISS-IV Mx images having different spectral and spatial resolutions in two areas to find optimal objects for ground features such as water bodies, trees, buildings, road, agricultural fields and landslides. Quality of the objects created for these features using scale parameters obtained from the OSPS tool was evaluated quantitatively using segmentation goodness metrics. Results show that OSPS tool is able determine optimum scale parameters for creation of representative objects from high resolution satellite images by MRS method.