多结构元素组合型MODIS影像水体边缘检测

受空间分辨率的约束,MODIS遥感影像中存在很多混合像元,不利于水体边缘信息的提取,为提高水体边缘混合像元的检测精度,本文提出了多结构元素组合型边缘检测算法。方法选取了适合于遥感影像水体边缘检测的膨胀型和腐蚀型算子,同时针对遥感影像自身的特点,构建了多尺寸多方位的结构元素,设计了不同的方向权重和尺寸权重系数,再将基于不同检测算子的边缘检测结果组合得到最终结果。实验结果表明与传统算法相比,多结构元素组合型边缘检测算法边缘提取效果良好,提高了水体边缘的检测精度。     

多结构元素组合型MODIS影像水体边缘检测

受空间分辨率的约束,MODIS遥感影像中存在很多混合像元,不利于水体边缘信息的提取,为提高水体边缘混合像元的检测精度,本文提出了多结构元素组合型边缘检测算法。方法选取了适合于遥感影像水体边缘检测的膨胀型和腐蚀型算子,同时针对遥感影像自身的特点,构建了多尺寸多方位的结构元素,设计了不同的方向权重和尺寸权重系数,再将基于不同检测算子的边缘检测结果组合得到最终结果。实验结果表明与传统算法相比,多结构元素组合型边缘检测算法边缘提取效果良好,提高了水体边缘的检测精度。     

遥感影像目标检测的轻量化密集连接网络北大核心CSCD

针对无人机遥感影像中可能出现的多个密集的小目标,在检测时会出现误检、漏检的难点问题,本文提出了一种基于YOLO v4的具有密集连接网络模块的遥感影像轻量化目标检测算法,实现了对无人机遥感影像中车辆小目标的高精度识别。首先,对YOLO v4主干网络CSP Darknet53的卷积层采用密集连接、稀疏连接两种处理方式,加强特征的提取和重复使用,以缓解梯度消失问题;然后,对此模块进行模型剪裁,减少网络层数并定义为新的密集连接网络模块;最后,在NWPU-VHR-10数据集和笔者所在课题组制作的Vehicle-850无人机影像数据集上进行了对比试验并取得了较好的效果。本文改进后的网络结构在提高遥感影像目标检测准确率的同时,缩短了网络模型的收敛时间,减少了模型占用的内存空间,提高了遥感影像中目标检测的速度。     

基于标记分水岭分割的高分辨率影像水体信息提取

提出一种基于标记分水岭分割的高分辨率卫星融合影像提取水体信息的方法。首先采用pansharpening 融合法获得光谱扭曲小的高分辨率卫星融合影像;其次利用标记分水岭算法对高分辨率卫星融合影像进行分割;最后在分割基础上利用水体指数模型提取水体信息。采用QuickBird高分辨率遥感影像数据试验,与eCognition多尺度分割提取水体方法的结果相比,表明本文方法更快速有效,具有实用推广价值。     

基于遥感影像的水资源提取精度评价方法研究

立足于当前生态文明建设的迫切需求,以促进遥感技术在水体提取及其时空变化研究中的应用为目的,经过评价指标的选取、配置,标准参考数据的优化选择,以及评价流程的设计,研究制定了一套基于遥感影像水资源提取的精度评价方法。在此基础上,以基于深度学习的遥感水体提取算法的提取结果为实验数据,选取了湖北省部分水体作为样本,进行了遥感影像水资源提取精度评价方法实验。实验结论符合提取算法的特性,验证了提出的精度评价方法的可行性。     

基于高分影像的水利空间要素提取规则集构建

针对高分遥感水利要素自动提取问题,提出了一种在融合处理后的高分一号(GF-1)遥感影像下表征和提取水利基础空间要素的方法。依据水利要素与水体的空间关系,采取先进行土地利用/覆盖分类,再提取水利设施要素的技术思路,构建了较为完整的水利空间要素提取规则集。利用混淆矩阵和矢量化图像对提取精度和叠合精度进行评价。结果表明,该规则集用于高分辨率影像水利基础空间要素提取的效果较好。其中,河流提取精度和叠合精度最高,分别为97.1%和94.1%;河流阻断物的提取精度和叠合精度最低,分别为86.0%和81.4%;其他水利要素总体精度较高。     

顾及粗差的低空数字影像拼接

低空遥感影像相对于传统航空和卫星影像覆盖面积小且像幅数多,影像拼接是内业处理的重要工作之一。低空摄影机畸变大及飞行平台不稳定等因素易产生同名点匹配定位粗差,可能致使拼接低空影像接边误差较大。为减少这些粗差,利用具有尺度、旋转和平移不变性的SIFT算法进行低空影像匹配,然后采用Huber算法约束粗差,并通过Levenberg-Marquardt非线性最小二乘法进行平差,以获得精确的影像拼接单应矩阵。实验验证了该方法可减少拼接缝,提高了拼接精度。     

粒子群算法及多阈值指数熵的遥感影像变化检测方法研究

在遥感影像检测中,一般采用多变化阈值来提高检测精度,但会导致运算量的增加。为解决该问题,提出利用粒子群算法及多阈值指数熵的遥感影像变化检测新方法。首先采用影像差值法构造差异影像;然后提出利用粒子群和多阈值指数熵的遥感影像分割方法,并将其用于对差异影像进行分割获取变化区域;最后对选取的实验数据进行变化检测,并与基于模糊C均值、双阈值指数熵、三阈值指数熵的非监督变化检测方法进行比较。实验结果显示,提出的变化检测方法其精度为94.77%,本案方法是一种有效地、可靠的遥感影像变化检测方法。     

大重叠度无人机遥感影像的三维建模方法研究

探讨了无人机遥感系统获取的遥感影像的三维建模方法 ,应用相对定向直接进行无人机遥感影像相对定向 ,并通过实验分析了相邻影像间重叠度对相对定向精度的影响。基于高重叠度的无人机遥感影像 ,为提高同名点识别的精度 ,提出了多幅影像核线约束方法。实验证明本文是利用无人机遥感影像特点实现三维建模的有意义的尝试     

基于统计混合模型的遥感影像阴影检测

为提高阴影检测精度,提出一种新的遥感影像阴影检测方法—将径向基函数神经网络构建的混合模型(称作SMM-RBFNN)应用于遥感影像阴影检测。灰度共生矩阵中的能量、熵、对比度和逆差矩4种统计特征量作为混合模型的输入特征矢量,采用类“期望-最大化”算法(类EM)进行参数估计,训练检测器实现阴影检测。对多幅带有浓厚阴影的遥感影像进行实验,结果表明所提出的方法明显优于传统的高斯背景法和直方图阈值法,能够较好地解决强反射性地物漏检和水体错检问题,能够克服基于阈值思想的检测法需要反复实验选取阈值的缺点。     

一种基于城市水体指数与分形几何算法的OLI遥感影像水体提取方法

针对严重污染的城市水体与道路、建筑物、阴影等易于混分,以及遥感水体提取结果不连续、存在斑点问题,本文以广州市流溪河与东江水系为研究对象,基于2016年与2017年OLI遥感影像,采用本文新提出的城市水体指数法（CWI）,同时结合分形几何算法,通过设置形状面积等特征,实现城市复杂环境下的水体信息的自动提取。并与单通道算法、改进的归一化差异水体指数（MNDWI）算法、支持向量机法（SVM）与光谱角度法的水体提取结果进行对比分析。结果表明：SVM算法出现大量斑点,其次为MNDWI水体指数算法,光谱角度算法与单通道算法斑点较少,但水体提取结果不连续,部分河道漏分。本文提出的算法能够克服山体阴影、道路、建筑物等影响,实现城市污染水体以及一般水体连续、准确提取。本文的提取结果可为水资源调查、洪水灾害预测评估、水利规划、环境监测等工作提供基础数据支撑。     

YOLO v4框架下Multi-Patch多帧增量式交通视频目标检测

提升目标检测模型的泛化能力是计算机视觉领域的研究热点和关键难点。本文提出了一种Multi-Patch方法和多帧增量式预测策略,提升了不同场景下交通视频目标检测的稳健性,有效解决了目标尺度多变导致的视频中目标召回率低的问题。根据视频分辨率和目标尺寸,基于Multi-Patch方法自动将视频帧分割成最佳输入尺寸,使用YOLO v4神经网络并关联连续帧的上下文信息,采用增量式预测策略降低视频目标检测的漏检率,提升不同场景下视频目标的检测置信度得分和召回率。采集不同拍摄条件下的交通视频,验证该方法的有效性。试验结果表明,本文提出的目标检测方法召回率在80%以上,置信度平均得分在0.84以上。     

基于MNDWI特征空间的水体追踪识别方法研究

水体作为国土资源的关键要素,其水体面积变化在水资源调查、变化检测及大型水利设施建设评估等方面具有非常重要的意义。由于区域山体阴影、建筑等因素的干扰影响,带来域内所有湖库水体进行一次性提取的难点,文中以landsat8为数据源,研究提出一种MNDWI+水体追踪识别的方法;并以京津冀区域为例,应用本方法在该区域湖库水体的提取精度达到97.5%以内,与常规方法相比,实现了大区域湖库水体的一次性快速精确提取。     

多分辨率特征融合的光学遥感图像目标检测

高分辨率遥感图像目标检测是计算机视觉的一个重要研究领域,在民用与军事领域具有重要的应用价值。目前,基于深度学习的自然图像目标检测有了突破性进展。但是,由于遥感图像具有目标尺度差异大且类间相似度高的特点,使得处理自然图像的目标检测算法直接应用于遥感图像时仍面临着一些挑战。针对上述挑战,本文提出一种多分辨率特征融合的遥感图像目标检测方法。首先,通过特征金字塔提取多尺度特征图并在其后嵌入多分辨率特征提取网络,促使网络学习目标在不同分辨率下的特征,缩小不同特征层之间的语义差距。其次,为实现多分辨特征的有效融合,本文采用自适应特征融合模块挖掘更具判别性的多分辨特征表达。最后,将自适应特征融合模块的输出特征的相邻层进行深度融合。在公开的遥感图像目标检测数据集DIOR和DOTA上评估了本文方法的有效性,相比采用特征金字塔结构的Faster R-CNN,本文方法的准确率(mAP)分别提高2.5%和2.2%。     

改进Yolo-v3的视频图像火焰实时检测算法

为解决现有视频图像火焰检测方法精度低、速度慢的问题,提出了改进Yolo-v3的视频火焰实时检测算法。首先,在特征提取阶段,通过进一步融合多尺度特征提高网络对图像浅层信息的学习能力,以实现小火焰区域的精准识别;其次,在目标检测阶段,利用改进的K-means聚类算法优化多尺度先验框以适应火焰不同尺寸;最后,在改进Yolo-v3的视频火焰检测之后,利用火焰特有的闪烁特征对检测结果中的误检帧进行排除,进一步提高检测精度。从精度和速度两个方面对视频火焰进行检测,并与近年来先进的火焰检测算法对比,结果表明,该方法准确率均值可达到98.5%,误检率低至2.3%,平均检测速率为52帧/s,在精度和速度方面皆有更好的表现。     

结合SIFT特征点和泊松融合的无人机遥感影像拼接技术

针对无人机遥感影像拼接技术的研究,本文提出了一种结合尺度不变的SIFT特征点和重叠过渡泊松融合的无人机遥感影像无缝拼接方法。该方法首先采用SIFT算法对影像进行特征点提取,根据特征描述符间的欧氏距离对特征点进行粗匹配;然后使用随机采样一致性（RANSAC）算法剔除误匹配点对,为防止计算出的单适应矩阵线性结构不稳定,引入LM算法对单适应矩阵进行优化;最后采用重叠过渡泊松融合算法对影像进行拼接融合,以实现影像的无缝拼接。试验结果表明,该方法在无人机遥感影像拼接方面具有优势,能够获得良好的拼接影像。     

一种基于SVM多特征综合的图像分类方法

分别利用多通道Gabor滤波器和HSV颜色模型对图像进行特征提取,得到两种特征空间。用顺序向前浮点法搜索,以J-M距离(Jeffreys-Matusitas distance)为评价指标进行特征选择,最后利用综合后的特征数据在SVM基础上实现图像的监督分类。上述方法提高了彩色纹理图像和遥感图像的分类正确率。实验表明,多特征融合的分类效果比单一特征要好。     

基于多样性特征协同技术的飓风前后森林破坏遥感监测

对被飓风破坏的森林进行变化监测与灾害评估是遥感技术的一个重要应用,遥感影像的特征信息提取对森林遥感监测的效果至关重要。多样性特征结合可以有效提高对森林变化的监测精度。然而,当前的空间信息如纹理特征的获取算法依旧保留着传统的固定式计算模式,一直面临着特征数量和邻域参考范围之间难以均衡的问题。为了解决以上问题,本文提出了基于多样性特征协同技术的飓风前后森林破坏遥感监测方法,首先计算出森林遥感影像变化前后的归一化植被指数差值和增强植被指数差值,并提出了基于复合窗口技术的来提取纹理特征,然后建立了多样性特性结合模型;其次提出了一种基于特征分离的旋转森林改进算法,最终,实现了内泽尔森林在暴风前后的高精度变化监测;另外,还测试了新模型在不同训练样本数量下的分类性能。实验结果表明,相对传统的基于光谱特征和单纯的纹理特征的变化监测方法,本文所提出的方法的整体精度、对变化区域和未变化区域的检测精度至多分别提高了3.68%、6.53%和3.46%。本文的研究方法可以有效提高森林变化监测的性能,为森林灾害评估与森林资源保护提供参考依据。