在线街景服务车牌模糊化方法

针对在线街景服务发布需要模糊车牌从而保护隐私的问题,该文从街景场景中车牌的纹理、色彩和几何特性出发,提出了一种由粗到精的车牌识别方法。首先基于影像边缘形态学滤波和颜色分量自适应匹配提取候选区域,然后经过去伪和倾斜校正进行车牌的识别和提取;为了进一步提高精度,将初次识别结果作为支持向量机系统的样本,训练特征矩阵用于识别结果的精化。多地街景数据实验表明:该方法对大畸变复杂街景环境有较强鲁棒性,有效提高了街景中的车牌识别准确率。研究结果可广泛应用于在线街景服务,提高生产效率。     

基于RGB色度空间的车牌定位及矫正算法

针对复杂背景及不同光照条件下的车牌图像，提出了一种基于RGB色度空间的车牌定位及校正的新方法，建立了基于RGB色度空间的牌照检测模型。通过大量含车牌的彩色图片实验结果表明，利用RGB色度空间的牌照信息来进行牌照定位及矫正可以提高牌照识别系统的整体性能。     

街景影像中的斑马线检测与定位

针对街景影像中斑马线的自动检测与定位识别率和定位精度不高的问题,文章引入俯视投影与霍夫直线检测来改进基于双极系数的斑马线识别算法,并设计球面全景单像测量方法对斑马线进行粗略定位:对全景图像上路面区域进行俯视投影,使图像各处比例尺保持一致;对路面俯视图分块计算以生成双极系数图,并用形态学中闭运算与开运算进行处理;对候选区域进行霍夫直线检测,利用直线长度与方向的统计信息来排除干扰;最后使用单像量测方法对斑马线进行自动地理定位。实验结果证明,该方法对街景中的斑马线具有较高的识别率与定位精度。     

基于图像对称性的车辆遥感识别

遥感图像中车辆俯视图像具有镜像对称的特点,会导致图像中存在重复的特征。针对这种情况,提出一种优化选取Haar-like特征进行车辆识别的方法。在检测窗口中,选取2类特征:在检测窗口上半部分提取所有的矩形特征;在原检测窗口中,只使用对称于窗口对称轴、且描述上下部分差异的矩形特征,该方法既能充分表达图像的信息,又减少了重复的特征。从训练样本的灰度图和饱和度图中提取这些特征,训练级联分类器,其中每一层采用适应性提升(adaptive boosting,Ada Boost)算法训练强分类器。实验结果表明,上述方法能大幅度降低特征数量,提高检测速度,同时具有很好的识别效果。     

深度学习的街景行道树自动识别提取研究

针对城市行道树调查中,街景影像背景环境复杂多变、行道树个体差异大,依靠目视判读费时费力的问题,该文基于车载移动测量系统采集的全景影像数据,利用深度学习算法,在快速区域卷积神经网络的目标检测方法基础上,建立适用于街景行道树检测的深度神经网络模型。模型采用基于共有显著性区域及冗余策略的行道树多示例目标候选区域选择方法,使用车载图像的几何约束进一步筛选合适的候选区域,从而实现行道树目标候选区域的统一选择,提升行道树目标的检测效果。实验结果表明,该文提出的方法能够实现多种行道树的准确自动识别与提取,进而大大降低行道树绿化调查的成本。     

街景影像——基于人工智能的方法与应用

街景影像是感知城市物质环境的一种新型地理大数据。这种数据以人的视角详尽描绘了城市的可视环境,同时也隐性地表达了可视环境背后有关城市功能、社会经济和人类活动的信息。然而,传统的数字图像处理技术对街景影像的处理能力有限,不能高效地理解其中的语义信息。近年来,随着人工智能领域的不断发展,图像分析和机器学习方法取得了突破性的进展。以深度学习和计算机视觉为代表的前沿人工智能技术,为挖掘街景语义信息、理解和定量表达场所物质空间、建成环境的特征提供了强有力的支持。在此背景下,街景影像被广泛应用于地理学、城市规划等众多领域,并在此过程中出现了大量的新方法和新视角,为基于大数据的城市环境研究、人地关系研究、空间数据挖掘与知识发现研究提供了新的思路。本文综述了基于街景影像和人工智能技术的相关研究,从深度学习和计算机视觉两个方面对街景影像分析的支撑技术进行了梳理,并从场所物质空间量化、场所感知以及场所语义推测3个方面对街景影像研究的应用方向进行了总结,对其在发展过程中面临的数据稀疏性问题、分析方法的严谨性问题进行了归纳,同时讨论了未来研究的方向。     

天宫一号高光谱数据的船只检测实验

针对检测目标进行基于引力场的船只目标增强,计算船只目标的纹理、光谱等指标,基于支持向量机(SVM)方法,利用天宫一号高光谱数据,得到空间探测信息与地面实际目标之间存在精确的相互关系,进行船只检测实验研究.结果表明:天宫一号高光谱数据能够有效的从海水背景中提取船只信息,但船只类型仍难以有效识别.图像的自动分割对于船只的检测非常重要.传感器的多光谱与高分辨率相结合是今后研制的一个主要方向.     

显著性权重RX高光谱异常点检测

高光谱图像异常点检测中,传统RX异常点检测算法忽略了空间相关性,背景估计不准确。本文提出了一种基于图像局部邻域光谱显著性分析的加权RX算法。该算法通过引入图像显著性分析,对基于概率密度为权重的图像背景建模进行改进,建立光谱显著性权重图,重新定义RX算法中的均值向量和协方差矩阵,并给不同的目标赋予不同的权值,达到优化背景估计的目的。利用合成高光谱数据和真实高光谱数据进行异常点检测实验,结果表明,对于同一组数据,本文算法检测到的异常点数比传统算法多,虚警率较低,有效地提高了检测率。     

街景影像下的临街建筑风格映射及地图生成方法

精细化的城市建筑风格地图已成为古建筑保护、城市规划、旅游资源开发的重要参考依据。但城市建筑众多,信息采集困难,仅靠人工难以实现成图,因此提出了面向街景影像建筑区域匹配的建筑风格地图生成方法。首先,在提取特征建筑风格影像的基础上,结合球形全景影像的空间几何约束和图像特征,通过匹配同名建筑区域构建双像建筑区域点位映射;然后,利用街景采集点到建筑俯视轮廓的方位范围,提出单像建筑区域方位映射,建立街景建筑区域与单体建筑俯视轮廓的空间匹配关系;最后,综合判定各单体建筑的风格属性,生成精细尺度的建筑风格地图。实验结果表明,基于单、双像位置映射的建筑区域匹配正确率分别达80.3%和85.1%,且19类建筑风格地图的分类精确率为55.1%,召回率为76.4%,在一定程度上能反映大范围的城市建筑风格的地理分布特征。     

基于MMS街景的导航数据采集方法研究

本文利用MMS街景数据,结合基础地理信息数据进行导航数据的采集、加工与整理。主要分析了街景数据的特点和数据采集中的关键技术,阐述了基于街景数据的导航数据的采集流程,并介绍了该技术方法在江苏省电子导航地图数据库建设项目的应用情况。     

SAR图像海岸线检测算法综述

回顾近年来应用SAR图像进行海岸线及物体边界检测的几种方法, 并对各种方法进行了综述、总结和对比.     

基于边缘特征的变化检测方法研究

提出了一种结合边缘特征和灰度信息的变化检测方法．该检测方法对于检测线状目标变化具有较好的效果，同时也能减小由于配准而产生的误差。试验结果表明了该方法的可行性。     

宁波市轨道交通管线详查方法

根据宁波市轨道交通建设过程中对管线详查的要求,介绍相应管线探测的主要技术方法,并成功解决深埋金属管线和深埋非封闭非金属管线的探测技术方法,同时优化了数据处理技术,提高数据查询效率。     

Multi-source change detection with PALSAR data in the Southern of Pará state in the Brazilian Amazon

Optical data is broadly used for change detection studies, despite being hindered by atmospheric conditions. Synthetic Aperture Radar (SAR) data can be useful for change detection in areas with frequent cloud coverage as SAR systems are capable of obtaining images almost independently from atmospheric conditions. This study aims to verify the difference in results of using SAR data instead of optical data for change detection purposes. Different levels of one hierarchical legend and both pixel and region-based classifiers were used. Change results were evaluated considering the use of rectangular matrices to incorporate the occurrence of impossible changes and relative comparison between change maps. Although the change maps obtained using only optical data were more accurate than those using either one or two land cover classifications based on L-band SAR data, the difference in the accuracy of change maps decreases with the use of less detailed legends. Additionally, results indicate that L-band SAR and multi-sensor approaches are adequate for deforestation identification even if post-classification results did not achieve global accuracy values superior to 0.86. The most accurate change detection results obtained in this work were not associated with the overall accuracy of land cover classifications, but with the distribution and accuracy of specific land cover classes.     

高速公路特大型桥梁人工检测浅析——以上海闵浦大桥为例

结合上海申嘉湖高速公路特大型桥梁闵浦大桥的人工检测项目,通过对检测方案设计、控制网和检测点的布设、测量方法比对、数据处理及成果的分析,探讨在大型桥梁人工检测过程中的关键节点。     

一种基于阴影检测的建筑物变化检测方法

提出了一种基于背景模型的针对建筑物的阴影检测及变化检测方法。传统的基于背景模型的目标检测算法认为影像局部区域的自然背景符合高斯正态分布,而含有人工目标的区域则不符合这种分布,从而将目标区与自然地物区区分开来。然而,这种背景模型不适用于中等比例尺的航空影像。本文通过对背景模型的改进,把自然地物和人工地物都视为背景,而把阴影视为检测目标,可以很好地实现建筑物的阴影检测,然后采用阴影补偿法来检测建筑物的变化。试验表明了本方法的有效性。     

利用点对分析法检测线段

结合图像中直线段点密度分布的一些视觉经验,提出一种检测线段的点对分析算法,避免了Hough变换中累加参数空间的复杂计算过程.实验表明,本文方法具有精度高、消耗内存量小并能直接检测出线段及其端点的优点,可应用在弹道轨迹检测、字符笔画识别和遥感图像道路检测等领域.     

Automatic change detection for road networks from images based on GIS

Up to now, detailed strategies and algorithms of automatic change detection for road networks based on GIS have not been discussed. This paper discusses two different strategies of automatic change detection for images with low resolution and high resolution using old GIS data, and presents a buffer detection and tracing algorithm for detecting road from low-resolution images and a new profile tracing algorithm for detecting road from high-resolution images. For feature-level change detection (FL-CD), a so-called buffer detection algorithm is proposed to detect changes of features. Some ideas and algorithms of using GIS prior information and some context information such as substructures of road in high-resolution images to assist road detection and extraction are described in detail.     

基于Landsat TM影像的城市变化检测研究

在综述变化检测算法的基础上，提出了一种新的基于NDVI的城市变化检测算法。实验证明，该算法可获得较高的变化／非变化精度。     

Automatic Change Detection for Road Networks from Images Based on GIS

Up to now, detailed strategies and algorithms of automatic change detection for road networks based on GIS have not been discussed. This paper discusses two different strategies of automatic change detection for images with low resolution and high resolution using old GIS data, and presents a buffer detection and tracing algorithm for detecting road from low-resolution images and a new profile tracing algorithm for detecting road from high-resolution images. For feature-level change detection (FL-CD), a so-called buffer detection algorithm is proposed to detect changes of features. Some ideas and algorithms of using GIS prior information and some context information such as substructures of road in high-resolution images to assist road detection and extraction are described in detail.