中巴资源卫星影像HR数据在煤矿矿区地面塌陷调查中的应用

首次应用具有我国自主知识产权的中巴资源卫星影像数据对煤矿矿区采煤地面塌陷进行遥感调查研究。煤矿采空区地面塌陷随着时间日趋严重,面积不断扩大,兼有渐变和突变的特点,用常规方法定点观测难以适应其发展,确定其边界分布非常困难。文章应用中巴资源卫星HR高分辨率影像数据,以六道湾—铁厂沟煤矿矿区为例,通过已知塌陷区的基本特点,建立塌陷区的遥感影像地物解译标志体系,通过人机交互遥感影像解译,圈定地面塌陷的边界并获得塌陷区的有关数据,为该地区环境地质灾害治理提供依据。     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

基于对比度增强和形态学的遥感影像道路提取

提出了一种基于对比度增强和形态学的遥感影像道路边界与特征点提取的方法。先对遥感影像进行对比度变换增强,通过对比分析直方图均衡化和对比度分段线性增强两种方法获取的增强影像,选取区分度大的分段线性增强方法进行影像增强,然后运用数学形态法进行影像分割,实现道路和其他图像信息的有效分离。利用Krisch算子进行边缘检测提取道路的边缘信息,并基于边缘特征利用改进的Harris算子提取特征点,将提取的特征点进行拟合并用函数模型描述图像道路信息,用于后期制图中道路信息的矢量化。     

假高帽变换的高分影像居民地信息提取

针对高分辨率遥感影像暗背景下亮居民地的提取问题,该文提出了一种基于形态学多轮廓结构元素假高帽变换的提取方法。该方法首先采用腐蚀型边缘检测算子对影像进行预处理,接着利用多轮廓结构元素分别对影像进行假高帽变换,然后对各个处理结果进行加权融合,最后对加权融合后图像区域生长完成轮廓跟踪。实验结果表明,该方法能够提取居民地,特别适合于暗背景下较亮区域居民地的提取,并且提取效率较高,对于遥感影像居民地提取的研究与应用具有一定的参考价值。     

一种带有方向的边缘检测算子在道路边缘提取中的应用研究

提出了一种带有方向的边缘检测算子,以高分辨率遥感影像为例,进行了道路边缘提取实验。研究结果表明,与经典的LOG算子相比,该算子提取的道路边缘,断线少、噪声低,在线状地物的提取中有较明显的优势。     

一种基于相位一致的高分辨率遥感图像特征检测方法

精确检测图像边缘特征是进行高分辨率遥感图像分割和识别的关键。空域特征检测算子以解决阶跃形边缘为主,得到的边缘特征对图像的亮度和对比度敏感。本文引入了一种基于频域相位一致的图像特征检测方法,该方法对遥感图像亮度和对比度具有不变性,同时适用于多种边缘特征的检测。使用Log Gabor小波计算IKONOS Pan图像的相位一致多尺度梯度,对农田、道路和厂房等典型地物进行特征检测的结果表明,相位一致算法对图像局部亮度和对比度不敏感;并且对线形物体产生单线响应,不似空域检测算子产生双线响应。最后考察滤波器尺度和方向参数变化及添加高斯噪声对检测结果的影响,发现相位一致算法无需先使用低通滤波去除噪声,因而具有更稳定的特征定位精度;并且抗噪声干扰的能力强,检测结果不会因为噪声而出现波动。基于相位一致的遥感图像不变特征提取,为高分辨率遥感图像的分割和对象识别提供了基础。     

基于灰度形态学的高分辨率遥感图像边缘检测研究

提出一种用于高分辨率遥感图像边缘检测的灰度形态学方法,该算法在数学形态学的基础上,针对图像中噪声和边缘形态的不同建立了多结构元素,利用灰度形态变换原理的膨胀、腐蚀、开启和闭合等算法进行边缘提取。实验表明,与经典的边缘检测算子相比,该算法保持图像的细节特征,较好地解决边缘检测精度与抗噪声性能的协调问题,具有很好的边缘提取能力。本文给出了用Matlab6.5实现的具体代码。     

基于数学形态学的IKONOS多光谱图像分割方法研究

利用数学形态学方法,研究与探讨了IKONOS多光谱图像的分割技术.提出一种结合图像边缘特征和纹理特征的混合分割新算法.在高分辨率多光谱遥感图像K-L变换的基础上,采用多尺度多方向形态学梯度算子提取边缘特征.应用数学形态学滤波及局部方差统计特征对图像对象进行标记,最后采用强制最小过程,进行标记控制的分水岭分割.研究结果表明,提出的分割算法优于仅利用边缘特征的分水岭分割算法,同时,该算法能较好地解决分割过程中存在的过分割与欠分割问题,是一种适合高分辨率多光谱遥感图像的分割算法.     

基于特征的遥感图像信息融合模式研究

基于图像特征的遥感图像信息融合是在突出目标地物的空间结构和纹理特征情况下的信息融合。本文在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨率遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合。在融合过程中,首先对多光谱图像中的R、G、B三个波段的图像进行小波分解,得到相应的低频图像,并对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,最后经RGB合成为彩色图像。该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息。本文最后通过融合实验验证了上述结论。     

数学形态学在遥感图像边缘检测中的应用

为有效提取边缘密度大的遥感图像中的边缘信息,本文提出了一种边缘检测的有效算法。该算法在数学形态学的基础上,针对图像中噪声和边缘形态的不同建立了多结构元素,利用灰度形态变换原理进行边缘提取,实验表明,与经典的边缘检测算子相比,该算法具有很好的边缘提取能力,但其抗噪能力较差,为此,笔者还探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

Sub-pixel land-cover mapping with improved fraction images upon multiple-point simulation

Outputs of soft classification inherently contain uncertainty. As an input for the sub-pixel mapping (SPM) method, the uncertainty is propagated to SPM result especially the boundary region between classes. Therefore, reducing the uncertainty within the outputs of soft classification is worth exploring. This paper firstly utilizes multiple-point simulation (MPS) through training images for characterizing the spatial structural properties of a surface object/class. Consequently, MPS results are used to increase the accuracy of the fraction image of the surface object/class. The improved fraction image then inputs to the SPM method for producing the land cover map with finer spatial resolution. In order to validate the proposed method, a remotely sensed image from Landsat TM 30 m over the Qianyanzhou red earth hill region in China is used. This experimental study not only compares the results from SPM with improved fraction images with MPS and results from SPM with original fraction images, but also investigates the performances of different soft classifiers. It has been demonstrated that this proposed method is an effective way to reduce the uncertainty in outputs of different soft classification, increase the recognition accuracies of boundary regions and thus increase the accuracies of SPM simulated images.     

SBAS-InSAR技术与无人机影像融合的滑坡变形监测北大核心CSCD

山体滑坡对人类安全造成严重影响,准确识别滑坡变形对预防滑坡灾害具有重要意义。利用SBAS-InSAR技术可以进行空间连续地表变形监测,但无法精确获取滑坡边界的变化。为了综合监测滑坡,本文首先采用SBAS-InSAR技术与无人机影像结合的滑坡变形监测方法,利用2018年1月1日—2020年12月24日,共计80幅升轨Sentinel-1A SAR影像,进行了VV极化和VH极化数据处理;然后通过SBAS-InSAR技术获取滑坡区地表雷达视线(LOS)方向变形速率,选取了若干变形点进行滑坡体变形时序分析;最后采用无人机获取滑坡影像并提取滑坡边界,分析了滑坡边界的变形。试验结果表明,利用SBAS-InSAR技术获取的滑坡变形和无人机获取的滑坡变形趋势基本吻合,通过该方法可以获取滑坡的综合变形情况,对滑坡活动性的判断具有重要意义。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。     

A Vector-Based Backward Projection Method for Robust Detection of Occlusions When Generating True Ortho Photos

One of the problems in detecting occlusions when generating true ortho photos is false occlusion and false visibility caused by rolling terrain, and the resolution difference between the digital surface model (DSM) and the images. Published methods are plagued by unstable computation and have considerable noise. The paper presents a vector-based backward projection (VBP) method for detecting occlusions. First, the method projects vector polygons representing the surface of buildings to image space. Next, it derives their true coverage by judging the occupancy priority for the overlap. It then determines the visibility of building and digital elevation model (DEM) grids. Finally, it generates a true ortho image by differential rectification. In addition, this paper develops methods to keep all steps robust, such as dubious region growing methods for rasterization and judgment formulas for boundary noise elimination, which makes VBP practical. Experiments using the Z-Buffer method, the projection-ray-angle-based method and VBP with a typical image and DSM prove VBP has 100% detection accuracy, and is robust and efficient.     

利用车载LiDAR点云数据提取城市道路边界

随着高精地图产业的兴起,精确提取道路边界点云数据成为研究的重点。本文首先将车载LiDAR扫描系统获取的城市道路数据根据采集轨迹进行分段,对每一段路段点云进行滤波处理;然后通过分析点云的高程与平面信息,采用点云分割算法分离路面与非路面点云,再对处理后的路面点云进行投影;最后运用边界特征估计提取算法获取道路边界点云。通过对两种典型路段进行试验分析表明,该方法用于提取城市道路边界点云效果较好,精确性与稳健性高,对今后道路边界线的提取起到借鉴作用。     

基于机器视觉的水域远程监测应用系统方案设计

针对水面污染区域的识别及快速测量，通过电子测量手段和图像甄别方法，提出了一种高精度的水面污染面积测量方案，以满足水域管理和监测盲点污染需求。根据机器视觉的单目视觉测距原理，采用无人机航拍为该测量过程提供相应参数及污染区域方位信息。系统通过图像分割与堆叠技术对拍摄图片中油污染区域特征进行人工圈定边界识别，利用适用于该面积测量的视觉图像处理方法，设计了水面污染面积测量的人机交互，实现对污染区域面积进行实时或后期测量。试验结果表明，通过无人机实际飞控测量及软件处理，为水域管理提供有效依据，模拟水面污染面积测量精度为10^-3 m²，测量相对误差低于5%，垂直拍摄平均相对误差低于1.3%。     

适用于多值曲面修复的空洞边界提取方法及应用

摘要：针对常用的空洞边界提取方法在噪声干扰和投影单值方面的缺点,提出一种能克服投影重叠问题而适用于多值曲面修复的空洞边界自动提取方法。首先求出散乱点云的K近邻,利用推进式逐层求解法ALS将各近邻域点投影至平面;然后在平面内进行网格划分及提取边界网格,在此基础上应用最小凸包法提取边界线;最后,进行空洞边界与物体本身边界的识别,为了验证其有效性,将该方法应用于后续的空洞填充及曲面重构中,并用测量采样点到所建曲面模型的最大距离和平均距离为定量评价指标进行精度分析及评价。试验结果表明,采用ALS以及最小凸包法能够保留特征和避免投影重叠,所提取的空洞边界精确,能够满足后续建模的需要。     

高分一号遥感影像在青藏高原湖泊的提取方法

基于高分一号影像,选用归一化差异水体指数(NDWI)阈值法、LBV变换法、"全域-局部"水体自动分割法,分别提取了布若错、赛布错和雅根错的边界。分析对比3种方法,结果显示NDWI阈值法与LBV变换法从整张影像中提取湖泊边界,影像中的非湖泊范围的区域如阴影区等,会误判为湖泊的像元;"全域-局部"水体自动分割法将提取范围从全域转为局部,减少了非湖泊范围内地物信息的干扰,并对每个湖泊的NDWI阈值独立判断,实现了湖泊边界的精细提取。     

基于SAR相干系数图像的城市边界提取

相干系数图像对SAR散射体特性的变化十分敏感,对于城区表面特殊物理结构的探测、城市演化和灾害评估等有研究价值。采用豫北地区时间基线为70 d的ENVISAT ASAR雷达干涉相干系数图像,通过分析相干系数图像遥感物理特征,采用二值化、滤波去噪、连接外边界、区域填充、人工干预去噪、边界修整等一系列图像处理方法,最终用MATLAB软件的边界提取函数和算子提取出豫北地区8个县市的最外边界。经过与光学影像分类结果对比,吻合度较好。     

从机载激光雷达点云提取建筑物屋顶边界的活动轮廓模型改进方法

本文基于边缘与局部信息提出了一种处理多波段图像的活动轮廓模型,并将其应用于LiDAR数据的建筑物边界提取。本文首先将分类得到的屋顶点云数据转换为栅格数据,并作为模型的输入图像,进而采用变分水平集方法解求模型能量函数的最小解,得到建筑物的边界。该模型消除了其他活动轮廓模型对初始曲线和所处理图像类型的限制,适于任意形状的建筑物边界的自动提取;水平集规则项的添加,减小了模型的计算时间。实验结果表明：与IAC模型、GACcolor模型相比,本文模型在建筑物边界提取的应用中可以达到更高的匹配度、形状相似度以及位置精度。