基于改进U-Net的建筑物集群识别研究

针对U-Net在高分影像建筑物提取中部分建筑物边缘特征易模糊或丢失的问题,提出一种对高分影像建筑物边缘增强,同时对U-Net部分卷积过程进行改进的优化的建筑物提取方法.首先利用域变化递归滤波的方式对建筑物边缘进行增强,将增强后影像输入U-Net神经网络中进行训练;其次为充分利用建筑物在高分影像上丰富的细节特征,尝试在原...     

傅里叶频率域上遥感影像的遗传优化增强

提出一种结合傅里叶变换及遗传算法的遥感影像增强方法,通过设计的适应度函数驱动自适应遗传进化。定义适用于傅里叶频率域的条带对比度,再借助遗传优化的增强参数,实现在频率域增强遥感影像的目的。将其与空间域增强方法、频率域增强方法、模糊域增强方法进行对比试验。试验结果表明,该方法在保持原始影像色调的基础上,能提高影像的反差、清晰度、信息熵等,同时可改善影像的视觉效果,有利于后续处理及模式识别。     

地震损毁建筑物的高分辨率SAR图像模拟与分析

为了分析汶川地震震后高分辨率合成孔径(SAR)图像的城区建筑物特征,基于实际获取的机载X波段SAR图像,采用电磁模拟方法进行分析和研究.通过对城区的完整建筑和毁损建筑进行三维建模,采用射线跟踪的电磁计算方法和图像域积分的成像模拟方法得到不同受灾程度的建筑物SAR模拟图像.与真实SAR图像对比分析,提出的算法能够分析建筑物结构变化对SAR图像的影响,模拟主要的强散射点,能有效辅助SAR图像进行城区特征分析.     

一种频域高分辨率遥感图像线状特征检测方法

高分辨遥感图像中线状特征等的自动识别与提取是进行遥感图像分析与理解等高层次图像工程的前提和基础,但由于高分辨率遥感图像中细节信息异常丰富,这给特征的提取带来很大干扰。本文引入了一种基于方向和频率特征的遥感图像频域线状特征检测方法,该方法首先通过傅氏变换将图像变换到频率域,在详细分析线状特征和谱线的关系,线状特征和图像频率之间关系的基础上,基于分析得到的方向和频率的参数构造Gabor滤波器进行图像线状特征的提取。并以Quick bird高分辨率遥感图像进行相关提取实验,实验结果表明该方法较好地提取了图像的线状特征,为基于具体频谱分析的高分辨率遥感图像特征的精确提取提供了新思路和方法上的借鉴。     

改进的自适应遗传算法在图像模糊增强中的应用

本文在图像增强中应用了模糊集理论,实现了以空间域—模糊域—空间域为主要过程的的图像模糊增强。首先通过Fibonacci数列对遗传算法做了自适应改进,而后以改进的适应度函数为惟一内在驱动力,利用遗传算法对模糊参数进行了自动选择,最后与传统的线性增强、直方图均衡进行了对比实验。实验结果表明该方法能改善原图像视觉效果,便于后续的图像分析。     

航拍图像跨数据域特征迁移道路提取方法

针对传统道路提取方法应用于新数据泛化能力不足的问题,研究了通过特征迁移和编解码网络实现跨数据域的道路提取方法。首先,构建了基于编解码网络的道路提取基本模型,用于实现单一数据来源的道路提取任务。然后,基于道路提取网络结构和循环一致性原则,提出了用于跨数据域图像特征迁移的循环生成对抗网络,使目标域图像映射入源域特征空间。使用预训练的道路提取模型处理特征迁移后的目标域图像,即可实现跨数据域道路提取任务。试验结果表明,本文所提方法能够拓展道路提取网络的泛化能力,准确有效地提取跨数据域图像中的道路目标。相较于未特征迁移的结果,本文所提方法大幅改善了道路提取指标,使得F1提升了50%以上。本文方法不需要目标域的标注信息,也不需要对道路提取网络进行微调训练,而只需训练由目标域向源域的特征迁移模型,所耗时间和人力成本较低,因而具有良好的应用价值。     

一种FFT增强的IHS变换融合方法研究

在分析IHS变换和频率域滤波器选择理论的基础上,提出一种FFT增强的IHS变换融合方法.该算法先对多光谱图像IHS变换的I分量进行低通滤波,然后对与I分量进行直方图匹配的全色图像进行高通滤波,接着合成低通滤波和高通滤波的结果作为新的I分量,最后进行IHS逆变换得到融合图像.通过与IHS法与高通滤波法的融合结果进行对比评价,表明该方法在保持光谱信息和提高多光谱的空间信息能力方面都有很好的效果.     

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。     

脉冲耦合神经网络的遥感影像城市道路提取

针对高分辨率遥感影像中阴影对道路提取产生较大干扰的问题,提出了一种基于脉冲耦合神经网络(PCNN)的城市道路提取方法。该方法首先在近红外波段检测并消除阴影和水体的影响,并使用PCNN对消除阴影后的灰度图像进行分割处理;然后使用形态学建筑物指数(MBI)和归一化差分植被指数(NDVI)分别提取出建筑物和植被信息,消除建筑物和植被的影响;最后提取受行道树影响较大的道路,并对处理后的图像作数学形态学法的处理。该文以深圳市SPOT-7高分辨率影像进行实验。实验表明,该方法能保留原始的道路边缘细节信息,并对阴影具有很好的抗干扰作用,提取的道路信息具有很好的连续性和完整性。     

一种基于小波变换的遥感影像道路自动提取方法

遥感影像上道路的自动提取是摄影测量与遥感、计算机视觉等领域的重要课题。本文通过对图像小波系数的分析,完成道路节点的提取。随后利用基于小波变换的边缘提取算子,对道路进行边缘提取。边缘提取出来之后,以道路节点为种子点,对道路进行Snake跟踪。为保证提取效果,对图像进行了预处理。实验表明,利用本文提出的理论与方法能为道路网的自动提取与识别提供一个可靠的依据,同时也对其他地物（如建筑物）的自动提取提供一个有价值的参考。     

基于频域的图像增强及其MATLAB实现

图像增强是对数字图像的预处理，使图像整体或局部特征能有效地改善。通过对频域法图像增强理论的理解，分析了频域法的低通滤波、高通滤波。在此基础上，利用MATLAB对理想的高低通滤波器、指数高低通滤波器、巴特沃斯高低通滤波器以及梯形高通滤波器进行编程与仿真，并对其结果进行分析与比较，表明低通滤波和高通滤波都能较好的改善图像质量。     

一种保持光谱特征的图像融合方法——高通滤波融合法

探讨了一种新的光谱保持型的高通滤波融合(HPFF)算法。该算法先对参与融合的全色波段图像进行高通滤波,然后用滤波后的全色波段图像替换IHS正变换后的强度分量,再进行IHS逆变换,便得到HPFF融合图像。该图像色彩与TM图像一致,优于常规IHS变换法所得的图像。     

一种高效的建筑物直线特征提取算法

随着遥感卫星的发射,国内影像处理事业逐渐被人们重视。高效、快速地对遥感及航测影像进行特征提取成为当前研究的热点。本次实验采用辽宁科技大学1∶2 000航拍影像图,针对教学用地建筑物直线提取中绿色植被和道路的影响,提出了一种新的直线提取算法。实验将直线拟合和Hough变换结合并进行改进,对实验结果进行对比,分析改进前后效果。实验结果表明:该方法能很好地适应复杂地形下建筑物的直线特征提取,提取速度快,有效地解决了教学用地中道路和绿色植被对建筑物直线提取的影响问题。     

一种复杂海天背景下的红外舰船目标自动检测方法

提出了一种红外舰船目标检测算法。首先,利用设计好的频域组合高通滤波器对原始红外图像进行处理,以得到舰船目标可能存在的区域即目标潜在区;然后,对获得的目标潜在区进行尺度自适应的局部阈值分割,进而提取出较为完整的舰船目标或者虚假目标;最后通过检测吃水线特征来筛选出正确的舰船目标。实验结果表明,此算法能够有效地检测出复杂海天背景条件下的红外舰船目标,且具有一定的时效性。     

面向对象的高分辨率卫星影像道路信息提取

本文采用面向对象方法对高分辨率卫星影像道路信息提取。首先加入建筑物矢量数据对影像分割提取出建筑物,然后采用多尺度进行分割,对分割后的对象进行最近邻采样,得到总体分类图。最后根据道路特点构建道路知识库对道路信息优化。试验表明,面向对象的道路信息提取克服了"椒盐现象",取得了较好的提取效果。     

融合高分影像和LiDAR数据的城市道路提取

为避免由于城市道路复杂及树木建筑的阴影遮挡导致从遥感影像中提取道路信息不准确的问题,本文采用高分影像和LiDAR数据相融合的方法实现城市道路的提取,并使用一种基于最小面积外接矩形（MABR）的后处理改进方法进行完善。首先对试验区进行数据配准;然后应用FNEA算法进行图像分割,并使用随机森林分类法进行分类,将影像融合和对象形状指数等相关算子应用到道路提取中;最后去除植被和建筑物,完善道路填充,提取出道路完整信息。结果多伦多和台安试验区的道路完整度分别为95.41%和90.84%,准确度分别为83.07%和85.63%。本文方法可有效去除伪道路信息,提高道路提取完整度,较好地实现了道路信息提取。     

Improved Image Pansharpening Technique using Nonsubsampled Contourlet Transform with Sparse Representation

Multispectral (MS) and panchromatic (PAN) images contains complementary information. High spatial and spectral resolution is a prerequisite for images to be useful, which can be achieved through image pansharpening. In this paper, we propose a new pansharpening technique which is a combination of nonsubsampled contourlet transform (NSCT) and sparse representation (SR), called NSCT–SR. NSCT is a shift-invariant version of the contourlet transform which combines nonsubsampled pyramid (NSP) and the directional filter banks. NSP splits input MS and PAN images into low-pass and high-pass sub-bands. Fusion of high-pass sub-bands is done using local energy information while low-pass sub-bands are fused using SR. Finally, fused low-pass and high-pass sub-bands are combined to obtain image with high spatial and high spectral resolution. We have quantitatively compared NSCT–SR with other multiresolution algorithms by calculating spatial and spectral quality parameters. It is observed that spatial quality is improved by 0.93 % (for seaside image) and 1.54 % (for urban image). While spectral quality is improved maximum up to 31.39 and 40.47 %, for respective images. NSCT–SR also compared with other state-of-art algorithms by calculating various performance parameters including quality with no reference. It is found that, overall; NSCT–SR performs better compared to algorithms considered in work.     

基于调和模型的连续Hopfield神经网络次优图像复原

本文提出了一种基于调和模型的连续Hopfield神经网络正则化次优图像复原算法。针对传统正则化图像复原由于"模糊矩阵"和"高通滤波器"规模庞大而带来的复原过程中占用存储资源多的问题,提出了一种基于部分图像信息的次优复原算法,该算法能在性能下降不大的前提下,较好地解决传统复原资源消耗问题。同时算法采用由梯度算子生成的调和模型作为正则项,能在复原的同时保留图像边缘。仿真结果表明了算法的有效性。     

基于灰度和方向一致性的遥感影像道路网提取

从遥感影像中提取道路网是一个经典课题,根据遥感影像中的道路具有灰度和方向一致性的特征,提出一种从遥感影像中提取道路网的新方法。首先根据遥感影像的灰度信息和方向方差信息建立灰度和方向一致性准则分割模型,由此可从遥感影像中提取基本的道路网轮廓,然后再针对道路区域存在非道路点:空洞和裂缝等情况,采用膨胀、腐蚀等操作去除杂乱物块,最后通过数学形态学操作提取出道路网。实验结果表明,该方法能够适用道路、建筑物、植被等多种复杂地物的城市遥感影像中提取道路网,且能获得较好地提取效果。     

Automatic road extraction using high resolution satellite image based on texture progressive analysis and normalized cut method

In this paper the approach for automatic road extraction for an urban region using structural, spectral and geometric characteristics of roads has been presented. Roads have been extracted based on two levels: Pre-processing and road extraction methods. Initially, the image is pre-processed to improve the tolerance by reducing the clutter (that mostly represents the buildings, parking lots, vegetation regions and other open spaces). The road segments are then extracted using Texture Progressive Analysis (TPA) and Normalized cut algorithm. The TPA technique uses binary segmentation based on three levels of texture statistical evaluation to extract road segments where as, Normalized cut method for road extraction is a graph based method that generates optimal partition of road segments. The performance evaluation (quality measures) for road extraction using TPA and normalized cut method is compared. Thus the experimental result show that normalized cut method is efficient in extracting road segments in urban region from high resolution satellite image.