基于无人机影像的快速分割方法

为解决地震灾区震后空间数据难以及时获取的问题,考虑到无人机(unmanned aerial vehicle,UAV)遥感影像自身特点,提出了一种改进的均值漂移(Mean Shift)分割算法。按照影像特征将UAV影像划分为纹理区和匀色区,对匀色区直接进行Mean Shift算法分割得到初分结果;对纹理区综合提取颜色、纹理、形状信息构造高维特征空间,并根据归一化分布密度值求得其合适的带宽,再使用Mean Shift算法对特征空间进行模式分类得到分割结果;通过构造代价函数进行区域合并,消除过分割区域,得到最终分割结果。针对芦山地震后获取的高空间分辨率UAV影像进行分割实验,并提出一种考虑到面积和光谱的分割匹配指数对分割结果进行评价。实验结果表明:所提出的改进的Mean Shift算法的分割精度优于传统的Mean Shift算法,为后续的震害信息提取提供了数据保障。     

遥感影像并行分割的无缝拼接算法

针对影像数据分块并行处理造成的接边问题,该文基于构建缓冲区的方法提出了一种新的拼接算法。该算法只在每一个数据分块的右侧和下侧构建缓冲区,消除拼接线的原则是保证分割边界的准确性和拓扑关系的正确性。数据分块完成后采用并行的策略对第一个块进行分割,然后将每一块的分割结果与相邻的块进行拼接,在缓冲区内按一定规则判断各块分割对象是否保留并对拓扑关系进行检查,拼接完各块后并行输出对象矢量化后的结果。通过实验验证,该算法不仅保证了分割边界的准确性,而且能够处理大影像,提高了工作效率。     

多维特征自适应MeanShift遥感图像分割方法

针对MeanShift算法分割遥感图像的自动化程度和精度不高的问题,提出一种多特征自适应Mean—Shift遥感图像分割方法。3组实验结果表明,本方法相比EDISON软件能得到更好的分割效果,且能在一定程度上提高遥感影像分割的自动化。     

一种提取遥感影像中道路信息的方法

由于合理有效地选择分割阈值较难,因此基于阈值分割的道路信息提取方法对于遥感影像中含有多种类型道路、或非道路地物干扰比较明显的情况适用性不理想。为此,提出了一种将Mean Shift和阈值分割相结合的方法来提取道路信息。首先,采用Mean Shift方法对遥感影像进行平滑处理,在较好地保持道路边缘信息的同时使道路内部的纹理分布更加均匀;其次,对平滑处理后的影像进行Mean Shift分割处理,将具有相同或相似灰度值的道路用一种灰度值显示;然后,选择灰度直方图中像素数量值高的线所对应的灰度值作为分割区间边界点进行多阈值分割,得到初始道路信息;最后,对初始道路信息进行后处理,得到最终的道路信息。实验证明,该方法可以完成对遥感影像中道路信息的提取,拓宽了阈值分割方法提取道路信息的使用范围。     

基于并行预分割的高分辨率遥感影像多尺度分割

分析高分辨率影像多尺度并行分割过程中数据分块间会产生“分隔线”的问题,发展了一种基于并行预分割的多尺度分割方法避免了“分割线”的产生,消除了其所带来的种种问题。实验结果表明：通过合理的阈值设置,并行预分割所得到的影像对象基本准确,最终分割也取得了较为理想的结果;且对于多种尺寸的遥感影像,基于并行预分割的影像分割过程相对于并行算法实施之前,效率都有了显著提升。     

高分辨率遥感影像并行分割结果缝合算法

采用基于数据并行的遥感影像分割实现过程,提出了一种新的数据缝合算法解决分割结果合并问题。分割效果对比和运算效率分析等实验结果表明,此算法保持了分割结果合并后的边界正确性,使并行化分割在提高运算效率的同时保证了分割结果的可信度。     

集成改进Mean Shift和区域合并两种算法的图像分割

Mean Shift算法分割图像时,带宽的大小直接影响分割效果。带宽分为空间带宽和值域带宽。本文根据待分割遥感图像的空间分辨率参考选定空间带宽,基于渐近积分均方差最小原则计算每一波段值域带宽;针对MS算法分割图像时存在过分割问题,提出基于区域面积加权的区域相似度准则和基于区域熵的合并停止准则来合并分割后区域。MATLAB软件3组实验结果表明:本文方法相比EDISON软件能得到更好的分割效果,且能在一定程度上提高遥感影像分割的自动化。     

改进SIFT点特征的并行遥感影像配准

本文针对SIFT(尺度不变特征变换)算法存在的内存消耗多、运算速度慢的问题,采用金字塔和分块策略,首先对原始影像进行粗配准,然后进行分块影像匹配以实现精确配准。在匹配过程中,根据影像分辨率限制高斯金字塔影像的阶数,对特征点进行过滤;同时对匹配过程进行并行化,以提高算法效率。实验表明,改进算法在保证配准精度稳定的前提下,解决了原算法对内存要求高的问题,效率比原算法显著提高,适用于大范围遥感影像之间的配准。     

遥感影像在最大极值范围的并行稳定匹配（英文）

针对目前立体影像匹配时普遍存在的配准稳定性与配准精度不能同时兼顾问题,该文采用金字塔和分块策略,首先在多尺度空间下进行粗匹配,获得大量的初始特征点集;然后通过限制金字塔影像的阶数对初始特征点进行坏点剔除和滤点均匀化来获得良好的初始特征点;最后通过进行分块影像并行化SIFT算法匹配来实现精确匹配,提高效率。实验结果证明,此遥感立体影像并行稳定匹配方法能够提高匹配的效率,对影像的旋转、缩放和视角变换具有更强的抵抗性,其配准精度较高,适用于大范围的遥感立体影像的匹配。     

遥感影像在最大极值范围的并行稳定匹配

针对目前立体影像匹配时普遍存在的配准稳定性与配准精度不能同时兼顾问题,该文采用金字塔和分块策略,首先在多尺度空间下进行粗匹配,获得大量的初始特征点集;然后通过限制金字塔影像的阶数对初始特征点进行坏点剔除和滤点均匀化来获得良好的初始特征点;最后通过进行分块影像并行化SIFT算法匹配来实现精确匹配,提高效率.实验结果证明,此遥感立体影像并行稳定匹配方法能够提高匹配的效率,对影像的旋转、缩放和视角变换具有更强的抵抗性,其配准精度较高,适用于大范围的遥感立体影像的匹配.     

一种基于背景先验的飞机目标检测方法

针对现有高分辨率遥感影像目标检测算法的不足,该文提出了一种基于背景先验的飞机目标检测方法:针对固定设施基本不变的特点,将无飞机的固定设施历史影像与同一地区的待检图进行变化检测,再结合飞机的形状、尺寸信息从变化检测结果中提取飞机目标;为了减小高分辨率遥感图像中噪声的影响,采用对象为基本分析单元;通过Mean Shift分割获取对象,采用TSVM分类方法进行变化检测;为了在滤除噪声时不丢失飞机边缘,采取了双边滤波的滤波方法。实验结果证明该方法具备较高的准确率,适用于固定设施中的目标检测。     

无人机航摄影像快速拼接方法改进

为提高无人机航摄影像快速拼接速度和精度,文章针对无人机影像处理特点,提出重叠区分块并行处理策略;通过对不同图像分辨率和尺度下的特征匹配情况进行分析,提出分块阈值自适应调节方法来改进SIFT算法;利用匹配点距离中误差进行粗差去除,获取最优RANSAC样本,得到更精确匹配点对。实验结果证明,改进策略既保证拼接的精度,又提高了拼接的效率。     

基于最小生成树的高分辨率遥感影像层次化分割方法研究EI北大核心CSCD

在更精细的空间尺度下,高分遥感影像呈现更丰富的地物细节信息,信息内容的复杂性、空间性和海量性等特征,给传统遥感影像分割方法带来挑战。针对这些挑战,寻求一种更有效的分割模型和并行化的处理方法是有效提高大尺度高分遥感影像分割精度和处理效率的关键。为此,论文提出基于最小生成树的高分遥感影像层次化分割方法及其并行化重构。前者利用层次化最小生成树模型实现影像复杂场景信息的有效刻画,在此基础上利用区域化模糊聚类模型构建层次化分割模型。后者基于子块切分的并行划分和并行模糊聚类分割方法,实现大尺度高分遥感影像的快速、有效分割。论文的主要工作如下。     

一种结合超像素和图论的高空间分辨率遥感影像分割方法

超像素分割已成为遥感影像预处理研究的新热点,但易形成过分割。为解决该问题,提出一种结合超像素和图论的高空间分辨率遥感影像分割方法。首先,采用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法对遥感影像生成超像素过分割影像;然后,采用图论算法对超像素进行合并,通过计算得到每次合并后的分割数对应的局部方差,确定合适的影像分割数;最后,根据合适的影像分割数用图论算法对超像素重新聚类合并。实验数据为4幅不同空间分辨率、不同场景的遥感影像,采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法能有效地解决遥感影像过分割结果的问题,获得了良好的分割结果。     

海量遥感影像分块逆映射快速坐标转换

提出了一种海量遥感影像分块逆映射快速坐标转换算法,并针对分块窗口的形状和大小对处理过程所占内存与处理效率造成的影响作了试验与分析并得出结论。该算法使得处理过程所占内存不受原影像与处理后影像的尺寸大小所限制,并且通过与主流遥感影像处理软件对比试验的结果可以看出,该算法可以完成超大幅遥感影像与分幅遥感影像的坐标转换处理,处理分幅影像时有效地避免了影像间的接缝,同时处理效率达到主流的专业遥感影像处理软件水平。     

基于Quick Shift算法的高光谱影像分类

论述了面向对象分类方法处理高光谱高空间分辨率影像的优势与流程;分析了快速漂移(Quick Shift)算法的原理,该算法在进行模式搜索时具有可控制模态选择和平衡"过分割"与"欠分割"的特点.将该算法应用于高光谱影像分割,可得到面向对象分类所需的较理想的"同质"影像对象.为提高影像分割的效率,提出了一种基于灰度共生矩阵的...     

遥感影像直觉模糊集分割法

针对传统模糊聚类算法在影像分割中忽略影像成像过程带来的光谱测度不确定性及聚类过程中像素类属非隶属性的问题,本文提出了一种基于直觉模糊集的遥感影像分割算法。首先,设计直觉模糊发生器,并通过最大熵法分析影像光谱测度不确定性,求解波段指数以将遥感影像转化为直觉模糊集,从而对影像的光谱测度不确定性进行建模。然后,在聚类过程中同时考虑像素类属隶属度和像素类属非隶属度,结合直觉模糊集间距离定义目标函数,提高算法对类属模糊信息的处理能力,实现遥感影像的精准分割。最后,分别利用本文算法和比较算法对模拟影像和真彩色遥感影像进行分割试验。分割结果的定性、定量评价表明,本文算法能够更好地处理影像本身和聚类过程中的不确定性,获得更高精度的影像分割结果。     

一种改进的无人机航摄影像快速拼接方法

为提高无人机航摄影像快速拼接的速度和精度,针对无人机影像处理特点,提出重叠区分块并行处理策略;通过对不同图像分辨率和尺度下的特征匹配情况进行分析,提出分块阈值自适应调节方法来改进尺度不变特征转换(SIFT)算法;利用匹配点距离中误差进行粗差去除,获取最优随机一致性检验(RANSAC)样本,得到更精确匹配点对。试验结果证明,改进策略既可保证拼接精度,又可提高拼接效率。     

一种面向对象的高分辨率遥感影像信息提取方法

针对传统面向对象分类方法的不足,根据研究对象特征构建了一种改进的面向对象的高分辨率遥感影像信息提取分类方法.首先利用SLIC超像素算法对影像进行分割,并提取分割后影像的纹理、光谱和形状特征;再利用SVM分类器提取影像信息,区分相似性较高的耕地和道路;然后利用随机森林算法提取水体和人工表面;最后对不同地物信息的提取结果进行拼接,实现土地利用分类.结果表明,与传统的面向对象分类方法相比,该方法的分类精度更高.     

一种融合超像素与最小生成树的高分辨率遥感影像分割方法

影像分割是面向对象高分辨率遥感影像分析的基础与关键。针对传统影像分割方法易受噪声影响,且难以确定合适的影像分割尺度的问题,本文提出了一种融合超像素与最小生成树的高分辨率遥感影像分割方法。首先用简单线性迭代聚类算法对影像进行过分割生成超像素;然后初始设定影像分割数,采用区域动态约束聚类算法对超像素进行合并,获得分割数-方差和、分割数-局部方差、分割数-局部方差变化率指标图,依据3个指标图确定合适的影像分割数;最后根据确定的合适影像分割数,采用区域动态约束聚类算法对超像素重新合并得到分割结果。定性对比试验和定量评价结果表明,本文方法可以有效地克服影像噪声对分割结果的影响,获得良好的影像分割结果。