基于不同分辨率的道路半自动跟踪

从不同分辨率航空影像道路的不同特征出发,根据影像道路特征,采用不同提取方法提取道路特征线,并对提取结果进行处理,最后利用人工判读和人工干预的方法对影像道路进行半自动跟踪.试验结果表明,该方法能很好地提取跟踪航空影像上的道路特征线.     

利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取

合成孔径雷达(synthetic aperture radar,SAR)具有全天时、全天候观测,穿透能力强等特点,在灾害监测与评估、资源勘探等方面得到广泛应用,但其固有的相干斑噪声严重限制了单一利用SAR影像进行快速的信息获取。本文提出了一种基于GIS与贝叶斯网络的高分辨率SAR影像道路损毁信息提取方法。在GIS数据的辅助下,利用水平集分割与改进的D1检测融合的方法在影像上提取疑似道路损毁区域;再综合多证据及疑似损毁区观测值构建贝叶斯网络模型,对疑似损毁区进一步判断提取出实际道路损毁区域。实验结果表明,该方法能够快速、准确地对道路损毁信息进行提取。     

基于阈值分割与决策树的SAR影像水体信息提取

目前我国的GF-3 SAR数据可实现全天时全天候的对地观测,已服务于海洋、减灾、水利、气象等多个领域。改进了基于阈值分割法与决策树的GF-3 SAR影像水体信息提取方法,首先对GF-3 SAR影像进行基本处理;再采用KI二值化阈值分割法进行图像分割;然后通过构建知识决策树模型来提取水体信息,为了提高精度,采用GDEM数据进行地表建模,提取山体阴影;最后利用空间分析功能将地形建模阴影图与提取的水体范围进行匹配,去除山体阴影,进而获得水体信息的精确范围。通过混淆矩阵计算得到水体信息提取的总体精度为89.22%,Kappa系数为0.71,精度优于基于光学GF-2号影像的水体指数法提取结果。整个流程人工干预少,具有自动化更强、效率更高的优势。     

基于SAR的复杂城市环境的3D重建

本文应用SAR影像进行城市的3D重建。进行城市建模的数据来源通常是基于立体影像对或者机载激光扫描的密集点云,首先对本文主要工具SAR系统与这些标准机载数据进行比较。SAR影像采集的优势是不受地点和天气的影响,相比较低质量的几何的和无线电的数据,这是由于此系统具有侧视能力。航空影像或者LIDAR数据的低质量更增加了城市的自动3D数据采集的难度。基于这点,本文的方法是应用SAR影像进行变化检测和半自动建筑物的重建。为验证此方法,SAR模拟器结合已有3D矢量模型。用此方法,基于已有的3D城市模型模拟生成的SAR影像和真实影像用于变化检测。交互方式建立3D目标的形状,此3D目标的形状作为模拟器的输入数据,训练操作者解译SAR影像。另外,此方法还可以用于半自动的建筑物重建。     

面向特定目标地物提取的改进最佳波段组合方法研究

提出了一种利用一类支持向量机（OC-SVM）进行特定目标地物提取的改进最佳波段组合方法（MOIF）。以Landsat8卫星影像作为数据源,对江苏省沿海滩涂光伏电站进行了提取试验,并利用人工解译的结果进行了精度评定。结果表明,本文提出的波段组合方法能够有效提取特定的目标地物。     

一种模拟纠正影像的SAR立体影像匹配方法

针对常规SAR影像匹配方法在地形起伏较大区域无法获取理想的SAR立体影像匹配结果的问题,该文提出了一种基于模拟纠正影像的SAR立体影像匹配方法。利用观测区域粗分辨率DEM进行SAR影像模拟,进而获取几何纠正SAR影像,在几何纠正SAR影像上实现影像匹配,等效于常规基于灰度影像匹配中进行的影像粗配准工作,并且相比于常规粗配准,该等效粗配准过程能够均衡地顾及到整幅影像的像元,最终实现了地形起伏较大区域的高精度SAR立体影像匹配。采用COSMO-Skyped影像数据进行了实验,实验结果表明,匹配精度达到了3个像素左右,比常规的基于灰度影像匹配方法有较大提高,能够有效解决地形起伏较大区域SAR立体影像匹配问题。     

一种高分辨率SAR影像道路提取方法

针对高分辨率SAR影像中细节信息损坏道路的面特征结构、影响道路提取,基于影像统计特征,给出一种结合区域生长和细节信息识别的道路提取方法。该方法通过区域生长提取呈现面特征的暗目标(道路框架),利用CFAR算法识别细节,通过形态学融合得到最终结果。为降低高分辨率影像区域异质性对提取结果影响,提出了一种自适应CFAR算法,相比之前算法可自适应删除干扰点;并引入有效表征影像统计的GA0分布。利用海南省陵水黎族自治县机载X波段高分辨率SAR数据的幅度影像进行实验,结果表明,该方法能有效提取呈面特征的道路,获得准确的道路宽度和中心线信息。     

面向对象高可信SAR数据精确处理

针对合成孔径雷达（synthetic aperture rdar,SAR）数据在地形地物、森林植被等方面的处理与解译难题,介绍了近年来利用多角度、多波段、多极化、极化干涉等多模态航空航天SAR数据,建立基于散射机理的地物特性知识库,构建地形辐射校正模型、极化干涉处理模型、立体测量模型、基于知识的解译模型等,开发出高分辨率机载极化干涉SAR数据获取系统和SAR影像高性能解译软件系统,实现了精度高、可靠性强、识别类型丰富的SAR影像高可信处理与解译的原理、技术与方法,同时对成果在测绘、林业等行业的应用情况进行了介绍,对研究中存在的问题和解决思路进行了探讨。     

一种自适应道路提取方法

对自适应道路提取方法进行研究,使用道路矢量线作为先验知识进行自适应区域扩充。与人工提取和易康自动提取结果进行比较,矢量参与的自适应道路提取方法精度较高,接近于人工解译的结果。当输入道路网矢量数据时,无需输入参数、无需人工干预,即可自适应地提取道路网面状矢量,算法的鲁棒性较好,无论是公路、城市道路还是乡村道路均有较好的适应性。     

高分辨率机载SAR影像判读实验

近年来机载SAR系统在国内得到快速发展。由于SAR系统具有不同于光学传感器的成像机理,因而可以提供全新的数据获取手段和不同的地物信息。利用高分辨率机载SAR影像进行解译时必须熟悉其成像机理和图像信息特点,充分了解SAR图像解译标志的特点和各类地物的解译规律。本文以高分辨率机载SAR数据为基础,对比光学影像,从SAR成像特点和地物散射特性出发,对SAR影像进行了目视解译,分析了SAR影像在地形地物要素识别中的应用潜力。     

提高无控制点星载SAR影像的定位精度研究

针对无控制点情况下星载SAR地面目标高精度定位问题,提出在整个成像条带中任选一景SAR影像,并基于全球DEM数据生成模拟的SAR影像,然后通过自动或半自动匹配方式寻找一个控制点,修正整个条带的轨道参数,从而消除了系统误差的影响,提高了整个SAR条带影像的定位精度。     

一种基于小波变换的遥感影像道路自动提取方法

遥感影像上道路的自动提取是摄影测量与遥感、计算机视觉等领域的重要课题。本文通过对图像小波系数的分析,完成道路节点的提取。随后利用基于小波变换的边缘提取算子,对道路进行边缘提取。边缘提取出来之后,以道路节点为种子点,对道路进行Snake跟踪。为保证提取效果,对图像进行了预处理。实验表明,利用本文提出的理论与方法能为道路网的自动提取与识别提供一个可靠的依据,同时也对其他地物（如建筑物）的自动提取提供一个有价值的参考。     

Maintaining accurate,current, rural road network data: An extraction and updating routine using RapidEye,participatory GIS and deep learning

Accurate and current road network data is fundamental to land management and emergency response, yet challenging to produce for unpaved roads in rural and forested regions using traditional cartographic approaches. Automatic extraction of roads from satellite imagery using deep learning is a promising alternative gaining increasing attention, however most efforts have focused on urban paved roads and used very high spatial resolution imagery, which is less frequently available for rural regions. Additionally, road extraction routines still struggle to produce a fully-connected, vectorized road network. In this study covering a large forested area in Western Canada, we developed and evaluated a routine to automatically extract unpaved road pixels using a convolutional neural network (CNN), and then used the CNN outputs to update a pre-existing government road network and evaluate if and how it would change. To cover the large spatial extent mapped in this study, we trained the routine using moderately high-resolution satellite imagery from the RapidEye constellation and a ground-truth dataset collected with smartphones by organizations already operating and driving in the region. Performance of the road extraction was comparable to results achieved by others using very high-resolution imagery; recall accuracy was 89–97%, and precision was 85–91%. Using our approach to update the pre-existing road network would result in both removals and additions to the network, totalling over 1250 km, or about 20 % of the roads previously in the network. We discuss how road density estimates in the study area would change using this updated network, and situate these changes within the context of ongoing efforts to conserve grizzly bears, which are listed as a Threatened species in the region. This study demonstrates the potential of remote sensing to maintain current and accurate rural road networks in dynamic forest landscapes where new road construction is prevalent, yet roads are also frequently de-activated, reclaimed or otherwise not maintained.     

影像与LiDAR数据信息融合复杂场景下的道路自动提取

城区的道路自动提取受场景复杂度的影响一直是极具挑战的任务,尤其是阴影和遮挡较严重地区的道路提取难度较大。结合LiDAR数据和高分辨率遥感影像,提出一种自动道路提取方法。该方法首先对滤波后的点云强度信息获取初始道路中线及道路关键点;将地面点云强度,离散度及高分辨率遥感影像光谱数据多重信息融合建立道路模型,并以优化后的道路关键点作为种子点利用动态规划计算模型最优解,进一步提取道路网。试验表明,该方法在城市复杂场景下的自动提取主要道路是有效的。     

基于角度纹理特征及剖面匹配的高分辨率遥感影像带状道路半自动提取

提出了一种基于角度纹理特征及剖面匹配相结合的高分辨率遥感影像带状道路半自动提取方法.该方法由用户输入道路起点、初始方向及宽度,使用角度纹理特征模型预测初始的道路中线点,以抛物线方程参数构建道路中线轨迹参数模型.使用计算曲率变化的方法验证道路轨迹点,对验证失败的中线点位使用剖面匹配算法进行重新预测并确定,最终提取出该道路中线轨迹.本文使用Visual C 构建了原型系统,对QuickBird及IKONOS影像中具有一定宽度的带状道路进行了提取试验,并与经典的基于剖面匹配的半自动道路提取算法和基于Snakes的半自动道路提取算法进行了对比试验.经试验验证,本算法取得了较为理想的结果.     

Image Analysis for GIS Data Acquisition

The automatic interpretation of aerial and satellite imagery by means of image analysis is currently one of the major research tasks in photogrammetry and related disciplines. The primary goal is the automatic extraction of visible, spatial topographic objects from imagery. The extracted objects represent one possible form of input for creating geographic databases. In this paper, different aspects of image analysis are discussed and a framework is provided for scene interpretation, which is based on the integration of image analysis and a GIS data model. Two examples concerned with the combined extraction of roads and trees, and with the multitemporal interpretation and monitoring of moorland, are given to illustrate the research.     

基于P-N学习的高分遥感影像道路半自动提取方法

基于模板匹配的道路跟踪是半自动提取道路的主要方法。然而场景中地物干扰和道路宽度的变化降低了模板匹配的稳定性;另外,道路跟踪失败后缺乏重检测机制,使得道路提取过程中人机交互频繁。针对以上问题,提出了一种基于P-N（positive-negative）学习的高分遥感影像道路半自动提取方法。该方法由道路跟踪、检测和学习构成,关键是采用了P-N学习的策略迭代的训练分类器,通过纠正违反结构约束的样本分类结果来提高分类器性能。实验使用了不同场景下的城区高分遥感影像,与经典的模板匹配和在线学习的道路跟踪方法进行了比较。实验结果表明该方法在道路提取的精度和稳定性方面均有提升。     

高分辨率遥感影像主干道路提取的感知编组方法

针对高分辨率遥感影像的道路提取受"同物异谱、同谱异物"干扰的问题,该文提出一种基于感知编组的高分辨率遥感影像主干道路自动提取方法:首先,使用Line Segment Detector算法提取影像中直线段信息。然后,利用高分辨率遥感影像上的道路几何特征对直线段进行感知编组;最后,经过长度约束得到道路信息。使用两景影像进行了主干道路提取实验。实验结果表明,两个实验中主干道路提取的完整率、正确率和检测质量都在96%以上。     

基于高分辨率城区遥感影像的道路半自动提取方法研究

遥感影像上人工地物的自动化和智能化采集一直是摄影测量与遥感技术长期探索的一个主要课题。道路是重要的基础地理信息,随着遥感影像分辨率的提高,道路特征的复杂化对道路提取方法形成了挑战。针对高分辨率城区遥感影像道路提取中存在的问题,结合多分辨率分析思想、模板匹配原理和LSB-Snake模型,综合提出了一种适用于城区高分辨率遥感影像的道路半自动提取方法。实验表明该方法可以在很大程度上弥补LSB-Snake模型的不足,同时具有良好的抗噪声能力,可作为一种有效手段应用在城区高分辨率遥感影像的道路提取中,具有很好的交互性、可靠性和高效性。     

顾及双线道路特征的变化信息提取方法

在城市双线道路数据更新的需求下,通过分析已有要素匹配方法,提出了一种顾及双线道路特征的单、双线道路匹配方法,用于提取城市双线道路增量更新中的变化信息。为保证双线道路的整体性,将双线道路多边形作为匹配对象,通过分析旧单线道路与多边形的方向、长度以及位置关系设计了单、双线道路匹配综合指标计算模型;然后,根据匹配综合指标确定单、双线道路匹配关系并提取变化信息。实验结果表明,该方法能够较好地满足双线道路更新中变化信息提取的要求,具有一定的实用性。