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。     

基于视频的行人检测跟踪与统计算法研究

视频图像中运动目标的检测及跟踪一直是视觉分析的研究热点之一。本文针对教学楼内摄像头固定、背景基本不变的情况,提出了一种行人检测跟踪及统计算法。首先根据背景差分法初步提取行人目标,然后将行人目标二值化,最终通过阴影去除、膨胀、腐蚀等一系列图像预处理操作去除光线变化及噪声的影响,得到较完整的行人目标,并改进了基于质心跟踪的行人目标跟踪方法,采用基于矩形中心的方法实现了行人跟踪与统计,使之更适应教学楼行人检测。实验结果表明,该算法可以实现对行人目标的较完整提取、对目标运动方向的较准确判断和对行人的较精确统计,为教学楼行人疏导提供技术保障。     

基于微型无人机平台的航拍动态阴影检测

提出了一种适用于微型无人直升机平台的低空航拍动态阴影检测方法。针对无人机平台对检测算法的高鲁棒性、适应运动背景等要求,在分析阴影特征集特点的基础上,提取两个独立的阴影特征;对现有的Co-EM策略加以改进,实现单帧图像的阴影检测;根据无人机运动的特点,提出基于样本参数传递的在线检测模型。实验表明,本方法能够适应真实微型无人机平台的应用需求,与常用的采用色彩或区域特征的方法相比,具有更好的检测效果。     

高分辨率SAR图像中建筑物特征融合检测算法

针对高分辨率SAR图像中的建筑物检测问题,提出了一种基于视觉注意和特征融合的检测算法。首先,根据SAR图像中建筑物目标与背景存在较大差异的特点,采用视觉注意机制进行建筑物的感兴趣区分割;然后,提取位于感兴趣区域内的高亮线条和阴影区域;最后,采用D-S证据理论对注意焦点、高亮线条和阴影区域进行特征融合,实现建筑物目标的检测。实验结果表明,本文算法对矩形建筑物具有较高的检测精度。     

基于视觉显著性和图分割的高分辨率遥感影像中人工目标区域提取

目标检测与提取是遥感影像处理与解译的重要研究内容。提出一种基于显著性检测和图像分割的面向对象高精度目标提取方法。首先,给出一种融合"基于图论的视觉显著性"和"基于边线密度的视觉显著性"的显著性计算模型。通过引入线密度,可以在复杂背景图像下有效提取目标区域,用于高分辨率遥感图像无监督的快速场景分析。然后,利用图论分割方法获取特征相似的图像区域。同一区域中的像素具有相似的显著度值和特征。以图块为对象分析其显著性大小,可以提取精细的目标轮廓。相对于基于像素点的显著性目标提取方法,本文所用面向对象的分析方法能够在保证较高检测精度的同时有效降低冗余检测率。在高分辨率遥感影像上的试验证实对人工目标(如建筑物)的检测更准确并且所得轮廓更精确。     

多尺度图像分割和颜色传递的遥感图像彩色化增强

提出一种基于小波降噪、多尺度图像分割和颜色传递的遥感图像彩色化增强方法。该方法利用一种多尺度图像分割技术,将图像分割为若干子区域,在子区域之间进行亮度匹配和颜色传递,减少了颜色传递误差,再与采用软阈值方法的复数小波包降噪预处理相结合,来增强遥感图像的细节分辨能力。试验结果证明,基于图像分割和色彩传递相结合的方法,其参考彩色图像不需要与目标图像配准,只要特征、风格相近似,就可以对纹理结构相对较简单的全色遥感图像实现全自动的彩色化增强。彩色化的结果图像在美观程度及目标的可识别度上都有了明显增强。     

一种顾及空间关系的遥感影像阴影检测算法

以城市区域内高大建筑阴影为研究对象,针对现有的阴影检测算法在复杂地物环境下检测精度和可靠性不高的问题,提出了一种结合颜色空间特征和空间关系的遥感影像阴影检测方法。首先,采用SLIC超像素算法对影像进行分割;然后基于Lab和HSI颜色空间构建初步检测条件,将阴影划分为阴影主体区域和待检测区域;最后,借助Canny边缘检测信息合并待判别区域内的超像素块,并利用阴影区域与造成干扰区域间的空间位置关系构建的检测条件进行判别。实验结果表明,该方法可以有效提高复杂地物环境下遥感影像阴影的检测精度和算法可靠性。     

基于整体变分模型的影像阴影检测算法研究

将影像上普遍存在的阴影视为图像退化的一种特殊形式，以整体变分模型为基础，以影像上阴影区域亮度普遍较暗且较均匀、阴影区域和非阴影区域之间的反差普遍较大的特点为约束，导出了整体变分模型用于影像上阴影检测的基本算法。通过对若干幅实际影像的阴影检测实验表明，本文算法对灰度影像和彩色影像上阴影区域的检测是有效的。     

一种改进的航空遥感影像阴影自动检测方法

针对航空遥感影像阴影检测中与阴影具有相似特性的绿地、亮度较暗的非阴影区域和亮度较高的阴影区域容易出现错检、漏检的问题,结合HSV变换和区域生长原理,提出了一种改进的阴影检测方法。首先在HSV色彩空间通过图像增强构建了一种新的阴影指数,并引入了双阈值法,剔除了植被和亮度较暗的非阴影区域的影响;接着通过区域生长得到了包含较亮阴影的完整阴影区域。经过对比试验表明,该方法能够有效地提取较亮阴影,对绿地和较暗的非阴影区具有较好的区分能力,可以有效提高检测精度。     

遥感视频卫星运动车辆目标快速检测

随着遥感卫星成像技术的快速发展,遥感视频卫星的出现为运动车辆目标信息获取提供了新手段。然而在遥感卫星视频中,运动车辆目标仅为几个或十几个像素并与背景的对比性较低,难以获取车辆的局部细节特征,使得传统监控视频的运动车辆检测方法直接应用到卫星视频图像会存在很多的问题。在分析遥感卫星视频运动车辆目标检测与传统监控视频运动车辆目标检测差异的基础上,本文提出了一种感兴趣区域自动约束的遥感卫星视频运动车辆快速检测方法：首先是快速自动获取运动车辆目标的感兴趣区域;其次在感兴趣区域约束下,基于改进的高斯背景差分方法实现感兴趣区域内运动车辆快速检测。应用Skybox-1卫星视频数据进行了运动车辆目标检测实验并进行了定性与定量分析。实验结果表明,本文方法可以有效自动减少动态背景变化导致的伪运动目标,具有较高的检测率、较高的检测质量、极低的虚警率以及较高的运行效率,可自动高效实现卫星视频图像中运动车辆目标的高精度检测。     

多特征融合的高分辨率遥感影像飞机目标变化检测

为利用高分辨率遥感影像实现高精度的飞机目标变化检测,提出了一种自适应的多特征融合变化检测与深度学习相结合的方法。首先,通过加权迭代的多元变化检测法获取变化强度图,并结合自适应的直方图统计法自动获取显著的变化与不变化样本;然后,提取多时相影像的光谱、边缘和纹理特征,完成多特征融合的变化检测,并通过形态学处理得到变化图斑;最后,利用训练的NIN(Network in Network)结构的卷积神经网络飞机识别模型,完成变化图斑的类型判别,实现变化飞机的检测。实验结果表明,本文方法在两组数据的正确率分别达到100%和91.89%,均优于对比方法,能实现准确可靠的飞机目标变化检测。     

单目智能视觉监视应用中小运动目标的检测

提出了以Cauchy分布作为图像像素比值的统计分布模型 ,并融合图像局部线性相关技术实现背景建模。该方法同时利用了像素点的统计特性和邻近像素点所蕴涵的丰富空间区域信息。实验表明 ,本文提出的算法可以抗背景中全局或局部光照的渐变和突变 ,有效地抑制背景中活动物体和阴影的杂波干扰。     

独立成分分析的高光谱异常变化检测

遥感探测到的小目标信号一般是弱信号,利用传统的高光谱异常变化检测方法直接抑制背景来突出异常变化目标,往往导致小目标弱信号同时被抑制,造成目标探测率低、虚警率高。基于独立成分分析方法,研究了弱信号小目标的高光谱变化检测模型,该模型首先通过投影寻踪将异常变化影像投影到独立成分,突出异常变化目标,然后再抑制背景,从而达到异常变化目标和背景的有效分离。该模型可以有效降低虚警率,提高探测率。利用模拟数据和真实数据进行了精度验证,结果表明,利用模拟数据得到的探测精度为99%,利用真实数据得到的检测精度为86%,与传统异常变化检测算法相比,精度最高提高了9%。本文研究方法适用于弱信号小目标的高光谱异常变化检测。     

Removing Shadows Using RGB Color Space in Pairs of Optical Satellite Images

One of the greatest challenges for optical satellite images applications is the presence of shadows. In stereo correspondence of images for example, shadows obstruct the correct extraction of objects that degrades the quality of stereo matching results. The aim of this research is to present a new, simple and efficient shadow detection and removal approach. The proposed approach first detects shadows by operating directly in red, green and blue color space using a new method including spectral and spatial properties of shadow. Secondly, shadows are removed by supplying more light to the shadow’s region using an energy minimization concept. The edges of shadows are removed or attenuated using some filters. The experimental results show that the proposed shadow detection and removal approach can generate accurate and efficient recovered pairs of satellite images. Furthermore, we demonstrate its reliability on the application of a Hopfield neural matching by comparing the correspondence of images before and after shadow removal.     

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。     

复杂背景下的仿蝇视觉遥感异常检测

本文针对遥感影像复杂背景下,背景地物光谱特征与目标光谱特征之间存在较强相关性的问题,提出一种基于仿蝇视觉的复杂背景下遥感异常检测算法。首先构建并行多孔径背景模型,实现对复杂背景特征的自适应描述;然后基于异常目标的光谱特征相对异常性,采用相对马氏距离区分异常区域、不确定区域与无目标区域,消除背景与目标光谱相关性对检测结果干扰的同时,弥补了传统假设检验无法区分无目标和不确定问题的不足;最后融合多个背景模型的检测结果,实现异常目标检测。仿真实验将围绕多种背景地物并存复杂区域的异常检测验证本文算法的有效性。     

建筑物侧面轮廓线约束的高分辨率遥感影像建筑物高度估算方法

针对现有利用阴影长度法提取建筑物高度时存在的阴影间相互遮挡问题,提出了一种基于建筑物侧面轮廓线进行建筑物高度估算的新方法。首先,利用RPC模型计算建筑物像点位移的方向与卫星成像角度,再将遥感影像进行旋转,使建筑物像点位移沿水平方向;然后,利用Canny算法进行轮廓检测,并构建一定长度的矩形形态学结构元素,对轮廓图像进行形态学开运算,以提取侧面轮廓线,再利用Hough变换与建筑物角点约束,对所提取的轮廓线进一步筛选;最后,根据卫星侧视成像时建筑物高度与像点位移的几何关系进行建筑物的高度估算。利用实际的高分辨率卫星影像对本文方法进行了验证,并与阴影法估算建筑物高度进行了对比。试验结果证明,利用建筑物侧面轮廓线进行建筑物高度估算平均误差可以达到0.7 m,且实际精度优于使用阴影法进行建筑物高度估算。     

利用改进的遗传算法对红外影像自适应目标进行检测

针对红外影像背景复杂、噪声污染严重的特点,提出了一种基于训练样本的形态学背景估计方法,并将其应用于天空背景下的小目标检测及复杂自然背景下的人物目标检测实验。实验结果表明,改进的遗传算法不仅有效地改善了其过早收敛的缺陷,还增强了算法的局部探索能力,可消除复杂自然背景的影响,并可以有效地抑制椒盐噪声,检测结果的查准率和虚警率均有很大改进。     

基于正态分布的三维建筑物变化检测高度差阈值确定方法

针对现有三维建筑物变化检测中高度差阈值确定方法存在主观性强、阈值通用性差的问题,本文提出了一种基于正态分布的高度差阈值确定方法。借鉴二维变化检测中变化和未变化像元差值服从正态分布的理论,首先,假设2期DSM高度差服从或近似服从正态分布,并分析了变化和未变化区域高度差的分布;然后,基于拉依达准则提出了利用期望和标准差计算高度差阈值的方法;最后,利用滑动窗口动态计算待检测区域高度差阈值。在2个试验区内,基于本文阈值方法的建筑物变化检测结果较经验阈值方法在完整率、正确率和检测质量上分别平均提高了7.2%、1.5%和7.8%,说明该方法具有较好的通用性。     

决策树弱分类支持的卫星视频运动检测

针对卫星视频的运动检测存在的局部伪运动虚警问题,提出一种决策树支持的局部有差别更新背景减除法。首先,对ViBe背景模型加以改进,在原模型基础上新增更新因子参数,建立初始的背景模型;其次,利用改进的模型进行运动检测,并对检测结果进行连通域标记,得到分割目标集;然后,根据目标特征属性建立决策树模型,并对分割目标集进行弱分类处理;最后,根据分类结果对背景模型样本和对应的更新因子进行局部有差别更新,进而实现“伪运动”虚警消除。利用SkySat和吉林一号视频数据进行实验,结果表明所提方法的效果和性能良好,检测率优于0.909,针对经典ViBe方法的误检测消除率优于90%。