基于GDAL和ArcGIS Engine的水系中心线自动提取

为提高地理国情要素中水系中心线的采集效率,在地表覆盖水系要素采集的基础上,采用二值化、图像形态学、图形细化等算法,基于GDAL和ArcGIS Engine技术,实现了水系中心线的自动提取。实验结果表明,本文采用的方法在生产中具有一定的实用价值。     

基于脊线检测的高分辨率图像道路中线提取算法

为从高分辨率图像中提取道路中心线,本文提出了一种有效的基于脊线检测的提取算法。该算法首先对原始图像进行脊线检测得到道路中心线,再利用canny算子检测道路边缘,最后与脊线检测结果算术相与得到最终结果。实验表明该算法检测结果与实际道路中心线吻合度高,简单易行,且鲁棒性好。     

基于SPOT5图像的泥石流自动提取方法

在前人研究基础上,提出了一种基于SPOT5图像和DEM数据自动提取泥石流的方法。首先利用归一化差值植被指数(NDVI)、归一化差值土壤亮度指数(NDSI)和图像经主成分变换得到的第一主成分(PC1)等3种遥感指数获取新的主成分变换图像,进而利用阈值自动选取算法提取包含泥石流的裸地信息;然后基于1∶10 000的DEM数据,利用改进的沟谷中心线提取算法提取沟谷中心线,并利用数学形态学滤波算法生成沟谷范围;最后将提取的疑似泥石流图斑与沟谷范围匹配,并对矢量化后的结果进行面积、坡度和顺坡性等筛选,得到泥石流或潜在泥石流信息。实验表明,本文构建的泥石流提取模型具有较高的提取精度和效率。     

基于数学形态学方法的街道数据提取算法

数学形态学用具有一定形态的结构元素去度量和提取图像中的对应形态以达到对图像分析和识别的目的。其中细化是处理线状二值图像的一种重要技术,它可以把二值图像区域缩成线条,以逼近区域的中心线,极大地减少图像中的冗余信息量,以便进一步分析和识别。本文研究了通过击中变换实现的骨架线提取算法,并将其应用于城市居民地的街网数据提取,取得了较好的实验效果。     

利用动态规划半自动提取高分辨率遥感影像道路中心线

传统的基于动态规划的道路提取算法都是直接在图像域内根据道路的光谱等特征定义代价函数,当道路光谱特征发生变化时,需要重新定义新的代价函数,具有很大局限,不适用于道路特征复杂多样的高分辨率遥感影像。针对这一问题,提出了一种基于动态规划的道路中心线半自动提取算法:首先,利用阈值分割和核密度估计生成道路概率分布图;然后,根据道路概率分布图上的道路特征定义代价函数;最后,运用动态规划求解代价函数最大值来提取道路中心线。试验表明,提出的算法能够在高分辨率影像上提取各种不同光谱特征的道路中心线,取得了良好的效果。     

一种从SAR图像中提取城市道路网络的方法

提出一种从高分辨率SAR图像中提取城市道路网络的算法.在高分辨率SAR图像中,道路在空间结构上表现为一细长的且宽度基本恒定不变的均匀区域.利用模糊C均值聚类方法对高分辨率SAR图像进行聚类分析,将道路类像素从原始图像中分离出来.为突出道路形状特征,减少冗余信息,对聚类结果进行细化,同时利用跟踪算子消除短线段;以提取道路中心线二值图的像素值作为图像能量,应用Snakes模型检测道路网络.通过实际SAR图像验证,该算法可以准确提取复杂的城市道路网络.     

基于GPS车辆数据和图像配准的道路中心线提取

GPS车辆数据可提供详细的道路网信息,而它可能存在数据误差和冗余问题,可采用形态学处理中的细化操作得到近似道路中心线。针对细化操作得到的曲线弯曲度过大且存在孤立数据点、数据冗余等情况,以得到的近似道路中心线为基准线,利用霍夫变换获取图像配准的起始点,并结合图像配准得到平滑无冗余的道路中心线。以马鞍山车辆数据为例,实验结果表明,与细化操作相比,该方法在道路中心线提取质量上有了显著提高。     

出租车轨迹数据的道路提取

相对高频GPS轨迹数据而言,低频GPS轨迹数据具有数据量大、容易获取、低成本等优点。对此,本文提出了一种基于大量低频轨迹数据的道路信息提取方法。该方法采用数学形态学滤波和细化方法对栅格化的道路图像进行道路中心线与交叉口的提取,然后采用道格拉斯-普克算法对交叉口间的路段进行简化与平滑,最终得到道路信息。其中在交叉口的提取上,采用多分辨率的图像融合的方法尽可能多地提取交叉口。试验表明,该方法在一定程度上克服了低频轨迹数据采样间隔不固定、定位精度低、噪声点多、数据分布不均等缺点,能够提取出较为准确的道路交叉口和中心线。     

道路中心线提取及网络建立的算法研究

提取道路中心线并建立道路网络是网络分析和地图综合中的基本问题,本文提出了利用约束Delaunay算法形成道路约束三角形网,并在此基础上提取道路中心线,形成道路中心线及建立网络。强调在提取过程中要注意的几个关键问题,并提出了解决方法。     

利用方向纹理特征从影像上搜索道路中心线

针对遥感影像道路中心线提取问题,提出利用方向纹理特征辅助道路中心线匹配搜索的思想,以人工给出的道路种子点和初始搜索方向为基础,运用方向纹理特征直接从遥感影像上匹配搜索道路的中心线。算法通过预测道路的宽度、弯曲等情况来自动调整纹理窗口的大小,因而能够很好地搜索到道路中心线,此外算法针对树木遮挡、车辆压盖设计了相应的处理策略。实验表明:该方法对遥感影像上不同类型道路均有很好的提取效果,且提取效率高于现有的道路提取算法。     

River centerline extraction using the multiple direction integration algorithm for mixed and pure water pixels

The river centerline is a basic hydrological characteristic. Most prior studies have used remote sensing data to extract the river centerline from the open water region in a pure water pixel region. Extracting this type of river is relatively easy. However, extracting the centerline of a micro-river, which is mainly composed of mixed water pixels, is challenging. This paper presents a novel method, called the Multiple Direction Integration Algorithm (MDIA), to extract the river centerline using an image-enhancing method combined with river morphology. MDIA can be applied to regions mainly composed of pure water pixels, as well as to regions consisting of mixed water pixels in the index image. The method first calculates the normalized difference vegetation index (NDVI) and enhances the river linear structure using a Hessian matrix. Second, a small window is constructed as a circular structural element. In the window region, the local threshold is automatically obtained using water-oriented clustering segmentation and prior river knowledge to judge the pixel type. After completing the river centerline extraction in the current window, the next detecting window is generated to continue judgment. The structural element automatically executes river centerline judgment until the entire river centerline is extracted. The Landsat 8 images of six regions with different geomorphologies were chosen to analyze the method’s performance. The test sites include high mountain region, low mountain region, plains region with farmland and a residential region. The experimental results show that the optimal threshold of the processing results ranged from 0.2 to 0.3. In this range, the user’s accuracy is 0.813 to 0.997, and the producer’s accuracy is 0.981 to 1. The MDIA effectively and correctly extracts the river network in mixed-pixel regions. The presented method provides an effective algorithm for river centerline extraction that can be used to expand and update river datasets and provide reliable river centerline data for relevant hydrology studies.     

Monitoring of River Center Line and Width—A Study on River Brahmaputra

Monitoring of river width and centerline is one of the most important activities in river engineering. Changes in the width and center line can be attributed to several reasons and monitoring these changes can be conveniently achieved with the aid of remote sensing images. In this study, digital image processing techniques have been implemented using the image processing tool-box available in MATLAB for studying temporal variations of width and centerline of the river Brahmaputra in its 300 Km reach in the state of Assam, India. The current study uses relatively high resolution imageries acquired from the LANDSAT series of satellites. Apart from the LANDSAT imageries, the low resolution imageries acquired by MODIS program is also used in order to see the variation in the obtained results. The evaluation of the results shows that the digital image processing technique is very handy and can be applied to obtain the centerline and width of a river. The evaluation also shows that the low resolution image can also be used for obtaining centerline of a river. However, it may give erroneous result when width of the river is narrow or very large.     

遥感影像CVA变化检测的CUDA并行算法设计

随着遥感影像数据量以及复杂程度的日益增加,遥感图像的快速处理成为实际应用过程中亟需解决的问题。为了实现遥感影像的实时变化检测,针对基于变化矢量分析CVA的变化检测算法,设计了一种基于统一计算设备构架CUDA的并行处理模型。首先利用地理空间数据提取库GDAL实现大数据量遥感影像的分块读取、操作和保存;其次将基于变化矢量分析的变化检测过程分为变化强度检测、映射表构建和变化方向检测,并借助CUDA C将变化矢量分析算法的3个步骤嵌入到CPU和GPU组成的异构平台上进行实验;最后利用该模型对不同数据量的遥感影像进行CVA变化检测并作对比分析。实验结果表明:与CPU串行相比,基于GPU/CUDA的遥感影像CVA的变化检测速度提高了10倍左右;在一定程度上,达到了实时变化检测的效果。     

地物空间关系匹配的高分辨率遥感影像检索

从低层视觉特征与地物空间关系特征对影像内容进行描述,建立检索模板与目标影像间的相似性直方图表达,提出一种适用于高分辨率遥感影像检索的新方法。首先,利用Quin+树将大幅面原始遥感影像分解为一系列同尺寸的序列子块;然后,分别提取各子块的低层视觉特征与地物关系特征,并以子块为基元构建候选子块的特征直方图;最后,对比检索模板与候选子块间的特征直方图相似性,实现高分辨率遥感影像的检索。使用多幅多源高分辨率遥感影像进行实验,结果表明本文方法对耕地、水系、建筑物等地类的检索精度大都维持在0.8以上,且各项检索性能指标均优于已有的两种遥感图像检索算法。     

基于关系数据库技术的遥感影像数据建库研究

以Oracle GeoRaster和ArcSDE为例，论述了基于扩展的面向对象关系数据库进行遥感影像建库和基于中间件技术进行遥感影像建库的数据模型、数据存储方式、空间索引、数据管理与维护等问题。对遥感影像建库实施的数据分块、影像金字塔的构建、数据压缩处理等具体问题进行了实验研究。     

地面几何标定的定向片自检校光束法区域网平差模型

针对航天线阵传感器,综合镜头光学畸变影响、像元尺寸与焦距的变化影响以及镜头的旋转作用,构建8标定参数的内方位自检校模型;利用定向片内插模型,描述影像的外方位元素变化;建立自检校光束法区域网平差模型,在对模型进行线性化的过程中,引入待标定的定向片外方位元素;利用SPOT5模拟数据对平差模型进行实验验证,结果表明,平差模型能够联合标定内方位自检校参数与外方位元素,标定结果准确。     

快速提取城市道路中心线

城市道路在空间分布上具有一定的规则。我国的城市道路布局主要有方格式、扇形式等。本文针对这种布局规则的道路网,提出一种快速提取道路中心线的方法。通过对图像进行扫描,将属于一条道路的所有像素点归并到一个容器中,提取中心点并输出成道路线。同时,介绍了几种典型道路的处理方法。实验研究表明该方法可以快速、精准地提取道路中心线,具有实际应用价值。     

一种SPOT影像快速纠正的方法

本文提出SPOT影像的一种快速正射纠正法,该方法采用分块内插算法和加速措施可以快速地完成SPOT影像的正射纠正。理论分析和实验结果都证实,在采用合理的分块尺寸的条件下,该方法可以保持传统方法正射纠正影像的精度基本不变,在精度损失的极小范围内实现SPOT影像的快速正射纠正。     

基于自适应四叉树分割的遥感图像压缩算法

遥感图像具有不同于一般图像的特点,针对遥感图像对压缩算法的特殊要求,提出了自适应四叉树分割算法实现图像的分块,以各像块的均值近似表示该像块的灰度值,从而以尺量少的数值获得对原始图像的最佳逼近,再对辐近误差进行自适应分割和基于像块方差的自适应量化,最后对各分量进行Huffman编码.实验表明,本算法能表现出良好的实用性能,比JPEG算法更适用于遥感图像的压缩.     

面向海洋应用的无人机遥感图像配准研究

在海洋应用中,大面积水体的同名点匹配相比陆地更加困难,制约了无人机遥感图像的配准精度和收敛速度。本文提出了一种改进算法适用于海洋无人机遥感应用,采用主成分分析（PCA）和水体阈值方法去除水体,获得图像中非水体区域的分块图像,然后利用仿射-尺度不变特征变换算法（ASIFT）进行图像的特征点提取和重叠图像非水体区域的同名点匹配。通过海岛、海岸线的无人机遥感试验结果表明,基于改进算法,在不增加时间开销的情况下,可以增加30%~50%的同名点数量,精度提高约5%~10%。文中方法适应用于海洋无人机遥感的序列图像配准,为海岛、海岸线的遥感监测提供了有效的技术支持。