广义高斯模型的KI双阈值自动分割SAR图像非监督变化检测

提出广义高斯模型假设下KI双阈值法的SAR图像变化检测算法.描述了SAR差异图像上未发生变化类、后向散射减弱类和后向散射增强类的概率密度分布.基于KI准则,构建了双阈值准则函数.提出仅利用差异图像灰度直方图的最优双阈值自动选取方法,实现了3种变化与非变化类型的非监督变化检测信息提取.选取两个时相的Radarsat卫星SAR图像进行变化检测试验,结果表明该方法可行、有效.     

基于浮动车轨迹数据的路口车道结构求解

文章针对道路交叉口处车道转向信息变化快、采集困难的问题,提出了利用浮动车轨迹数据自动提取道路交叉口处车道结构及转向的方法.首先根据选取规则对研究区域轨迹点进行约束选取,并依据预处理策略对研究区轨迹点序列进行去噪与优化;其次运用混合高斯密度模型对交叉口处道路的细部车道结构进行建模,利用贪心EM算法解算高斯混合密度模型参数,求得车道数目和车道结构特征;然后给出通过轨迹相关性计算车道转向的计算思路;最后选取一组真实路口数据进行实验,结果验证了该方法的有效性:该方法为车道信息更新提供了参考,亦可应用于精细化导航以提高出行者的服务体验.     

基于主成分分析与粒子群优化的遥感影像变化检测

针对变化检测中差异影像上变化阈值选择困难的问题,该文提出了使用粒子群优化算法自动地从差异影像上选择最优变化阈值的方法。该方法首先利用主成分分析法从影像中提取包含最大信息的主分量,利用主分量构建差异影像;在此基础上,使用高斯混合模型估算差异影像的初始阈值,最后通过粒子群算法计算出最优的变化阈值。实验结果表明,该方法能够迅速地获取变化阈值,避免了人工选择时繁琐重复的尝试,且检测结果精度较高。     

倾斜摄影测量三维表面模型立面分割方法

针对倾斜摄影测量三维重建得到的三维表面模型在平面尤其是异形平面处产生的规则性缺失,难以快速准确提取出建筑物几何平面的问题,本文提出一种基于高斯混合模型和图割的SurfaceCut层级分割方法。首先对模型进行拓扑重建、几何与纹理信息的预计算;其次使用高斯混合模型方法对模型进行过分割,使模型过分割为几何特征相似、纹理特征一致的超点点集;最后利用最大流最小割算法对目标平面进行二分类分割,并且为修复模型不规则立面区域,设计了一种立面修复算法。利用不同类型的建筑物模型进行实验,验证了方法的有效性。     

基于高斯混合模型法的国产高分辨率卫星影像云检测

针对资源三号、高分一号等国产高分辨率卫星影像波段少、光谱范围受限的特点,提出一种通过高斯混合模型拟合影像灰度直方图从而自动获取灰度阈值的云检测算法。首先由影像灰度直方图自适应地获取高斯混合模型初始拟合参数,然后依据期望最大原则对初始参数进行调整,最后根据拟合模型中各高斯分量的分布特点,自动确定该波段影像中云与晴空之间的灰度阈值。实验表明,该算法不受限于卫星光谱范围,同时适用于含云和无云影像,检测精度较高,且不需要辅助信息和人工干预,可满足自动化生产的需要。     

农牧交错带湿地信息提取技术研究——以多伦县大仓乡为例

农牧交错地带地类复杂,混合像元现象严重,湿地信息的自动提取难度较大.针对该区湿地遥感信息提取的特点和难点,选取多伦县大仓乡地区的TM遥感数据,先采用NDVI阈值提取出水体,并利用水体形状特征(如面积s、周长p、形状指数k等)对水体类型进行提取;再尝试应用线性光谱混合模型( LSMM)提取去除水体后的湿地信息,并以SPO...     

统计数据总量约束下全局优化阈值的冬小麦分布制图

大范围、长时间和高精度农作物空间分布基础农业科学数据的准确获取对资源、环境、生态、气候变化和国家粮食安全等问题研究具有重要现实意义和科学意义。本文针对传统阈值法农作物识别过程中阈值设置存在灵巧性差和自动化程度低等弱点,以中国粮食主产区黄淮海平原内河北省衡水市景县为典型实验区,首次将全局优化算法应用于阈值模型中阈值优化选取,开展了利用全局优化算法改进基于阈值检测的农作物分布制图方法创新研究。以冬小麦为研究对象,国产高分一号(GF-1)为主要遥感数据源,在作物面积统计数据为总量控制参考标准和全局参数优化的复合型混合演化算法SCE-UA (Shuffled Complex Evolution-University of Arizona)支持下,提出利用时序NDVI数据开展阈值模型阈值参数自动优化的冬小麦空间分布制图方法。最终,获得实验区冬小麦阈值模型最优参数,并利用优化后的阈值参数对冬小麦空间分布进行提取。通过地面验证表明,利用本研究所提方法获取的冬小麦识别结果分类精度均达到较高水平。其中冬小麦识别结果总量精度达到了99.99%,证明本研究所提阈值模型参数优化方法冬小麦提取分类结果总量控制效果良好;同时,与传统的阈值法、最大似然和支持向量机等分类方法相比,本研究所提阈值模型参数优化法区域冬小麦作物分类总体精度和Kappa系数分别都有所提高,其中,总体精度分别提高4.55%、2.43%和0.15%,Kappa系数分别提高0.12、0.06和0.01,这体现出SCE-UA全局优化算法对提高阈值模型冬小麦空间分布识别精度具有一定优势。以上研究结果证明了利用本研究所提基于作物面积统计数据总量控制以及SCE-UA全局优化算法支持下阈值模型参数优化作物分布制图方法的有效性和可行性,可获得高精度冬小麦作物空间分布制图结果,这对提高中国冬小麦空间分布制图精度和自动化水平具有一定意义,也可为农作物面积农业统计数据降尺度恢复重建和大范围区域作物空间分布制图研究提供一定技术参考。     

相似模拟实验中数字编码标志自动识别研究

为解决相似模拟实验中相似模型变形观测中存在的自动化程度低、工作量大、精度差以及模型影像特征纹理不足、灰度单一、存在噪声等问题,本文给出利用所设计的编码标志实现对模型监测点自动识别的方案。采用设计点状编码,在传统阈值算法的基础上提出一种多层阈值模型,以最大限度地捕捉编码点。通过使用高斯优化算法对每一个编码点进行亚像素级的边缘定位,椭圆拟合求取编码点中心,然后对提取出来的编码点进行聚类。最终,利用针对数字编码标志设计的编码识别算法来自动识别聚类结果。实验结果表明,本文所给方法不受拍摄角度、光照等影响,可实现对相似材料模型自动变形观测,提高相似模拟实验数据观测自动化水平。     

利用局部自适应阈值方法提取ORB-SLAM特征点

智能驾驶车辆的定位和建图是智能驾驶车辆的关键技术之一,针对ORB-SLAM中的特征点提取为固定阈值的问题,本文提出了一种局部自适应阈值方法提取特征点。首先,对局部自适应阈值的计算方法进行了阐述,主要利用图像对比度设置自适应阈值;然后,在FAST算法基础上构建了高斯图像金字塔,采用灰度质心法解决特征点的尺度不变和旋转问题,在图像金字塔的每层图像中划分图像网格区域,并遍历计算每层图像网格区域的对比度来设置每个网格区域的局部阈值;最后,在每个图像网格区域中完成特征点提取并利用四叉树结构存储特征点。测试结果表明,本文算法在阴天场景提取的特征点数量比原算法提取的数量多61.9%,在光照充足场景下多23.3%;在阴天场景和光照充足场景下,本文算法提取的特征点数量的波动比原算法提取的特征点数量波动小。     

一种基于GMM和MeanShift的目标跟踪算法

经典MeanShift算法仅使用了影像的颜色直方图信息表示目标特征,并不包含目标的空间位置、纹理特征等其它信息,因此当目标被遮挡或目标和背景颜色相似时,容易跟踪失败。针对此种情况,结合了颜色直方图与空间位置信息对经典算法进行改进。在获取目标和背景区域的样本数据后,利用高斯混合模型获取每个颜色单元的质心位置,并利用颜色直方图与空间信息计算得到新的候选区域中心位置,进而完成目标跟踪。实验表明,改进后的算法使用了目标区域颜色分布的空间信息,改善了传统MeanShift算法中丢失像素点空间信息的不足,在背景复杂时依然能够成功跟踪;避免了迭代计算,提高了跟踪效率。     

高山冰川多时相多角度遥感信息提取方法

提出一种多角度遥感影像的冰川信息提取方法。通过"全域—局部"的阈值分割方法获取短时期内不同时相的遥感影像的冰雪边界,结合地形信息和多时相遥感影像的太阳角度信息,联合消除山体阴影对冰川的遮挡,并以多期影像的最小冰雪边界作为最佳冰川边界。以托木尔峰西侧冰川为研究对象,采用2009—2010年4个时相的遥感影像提取冰川信息。结果表明多角度遥感提取的冰川边界效果好,能有效地排除积雪与山体阴影的干扰。     

轨迹延续性与影像特征相似性结合的城市道路提取

城市道路区域检测是城市土地管理、交通规划等领域的迫切需求,而传统城市道路区域检测多使用轨迹提取、遥感解译、人工采集等单独方式,在自动化程度或提取质量上存在一定的局限性。本文结合GNSS轨迹点与高分遥感影像各自的数据优势,提出一种基于轨迹延续性与影像特征相似性的遥感影像道路区域检测方法。该方法以出租车GNSS轨迹点构建轨迹特征栅格,基于轨迹延续性在平均方向特征栅格中划分路段对象,利用道路对象的光谱特征向轨迹无法覆盖的小区内部进行拓展,以获得提取区域内较为完整的道路信息。试验证明：本文方法可以有效降低道路的同物异谱现象及阴影、树木遮挡的影响,高效地提取高分遥感影像中的道路区域。与传统的遥感影像分类方法相比,具有更高的精度与自动化程度,相较于深度学习模型具有更广的适应性。     

Landsat影像冰川提取的上下文感知语义分割网络法

针对冰川提取存在云阴影、山体阴影、结冰湖泊等同物异谱、同谱异物导致难以有效区分的问题,设计了一种用于冰川提取的上下文感知深度学习语义分割网络。首先引入resnet50作为基准编码网络,以实现冰川特征提取的精度和效率平衡,其次针对现有语义分割网络存在上下文信息学习不足方面,设计了包括空洞卷积组块和最大池化组块的上下文信息提取层,以便更好地提取冰川的上下文信息。选择多景样本数据和验证数据的多源遥感影像进行试验,与现有基于特征指数的冰川提取方法、其他深度学习语义分割网络方法进行定性和定量对比,结果表明本文网络方法在结冰湖面等误提取,阴影的漏提取,以及提取结果完整性等方面,具有较好的效果,验证了本文方法的有效性与稳健性。     

高山冰川遥感提取方法研究

遥感的应用使得对冰川大尺度全覆盖、多时相变化的监测成为可能,然而冰川信息遥感提取方法的误差大等难题成为影响冰川监测的障碍。本文综合分析比较了目前已有的多种冰川提取方法的有效性,得出提取冰川范围精度最高的是面向对象的目视判读方法,其次是最大似然法监督分类、面向对象的自动分类、比值阈值法、雪盖指数法等。各自动方法提取冰川面积均有较大误差,且误差主要出现在冰舌末端、阴影区、薄冰区和云层遮盖范围等区域。本文将面向对象的目视判读法应用于冰川提取中,在保证信息提取精度的同时提高了传统解译的效率。     

面向对象的遥感影像变化检测方法

针对变化检测区域内变化区域与未变化区域面积比例较低时,通过常规的阈值计算无法在变化检测中确定准确的变化阈值问题,该文提出了一种带样本选择的面向对象遥感影像变化检测方法。该方法首先对多时相遥感影像进行多尺度分割获取像斑,并采用变化向量分析法计算像斑的差异度;然后,自适应选择训练样本,结合基于期望最大化算法和贝叶斯最小误差率理论的阈值计算方法,采用独立阈值法确定变化阈值;最后,利用变化阈值对差异影像进行二值分割,并获取变化检测结果。实验结果表明该文方法在变化检测精度上优于常规方法。     

增强型DeepLab算法和自适应损失函数的高分辨率遥感影像分类

高分辨率遥感影像地物复杂,分类难度大,而深度学习方法可以提取地物更多更深层次的特征信息,适用于高分辨率遥感影像的地物分类。本文研究对高分辨率影像中不透水地面、建筑、低矮植被、树、车辆等地物的高精度分类。结合遥感多地物分类的特点,以DeepLab v3+网络模型为基础,提出E-DeepLab网络模型。主要改进为：（1）改进编码器和解码器的结合方式,使用简洁有效的加成连接方式。（2）缩小单次上采样倍数,增加上采样层,提高编码器与解码器连接的紧密性。（3）使用改进的自适应权重损失函数,自动调节地物损失权重。同时根据数据特点,提出结合DSM、NDVI数据等多通道训练方式。使用两个地区数据进行实验,结果表明,两地区精度均明显优于原始DeepLab v3+模型和其他相关模型,Potsdam地区总体提取精度达到93.2%,建筑物提取精度达到97.8%,Vaihingen地区总体提取精度达到90.7%,建筑物提取精度达到96.3%。目视对比分类图和标准标记图,两者具有高度的一致性。本文所提出的E-DeepLab网络在高分辨率遥感影像地物高精度提取和分类中有较好的应用价值。     

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.     

高分一号卫星遥感影像提取冰川堰塞湖水体方法比较

快速准确地从遥感影像提取冰川堰塞湖水体信息,是研究冰坝遥感监测与应急监测的核心热点问题。以GF-1卫星遥感影像为主要数据源,采用归一化差分水体指数(NDWI)、改进阴影水体指数(ENDWI)和面向对象(SVM)对克亚吉尔冰川堰塞湖水体进行定量提取。比较分析3种水体判识方法,3种方法均可以提取完整的水体边界,并且抑制了90%以上的非水体信息。NDWI法和ENDWI法可应用于GF-1地表水体提取,能够满足冰坝水体监测与应急监测需求,但面向对象法最适宜GF-1影像的水体信息准确提取。     

运用ULBP的高分辨率遥感影像感知哈希完整性认证算法

针对现有高分辨率遥感影像感知哈希认证算法中特征提取精度和算法稳健性不能兼顾的问题,本文提出一种运用ULBP的高分辨率遥感影像感知哈希完整性的认证算法。首先对遥感影像进行格网划分,将影像划分为多个子块,运用ULBP算法提取子块的纹理特征;然后计算每个子块内纹理特征的直方图分布,将其结果与均值二值化后得到子块的感知哈希序列;最后串联所有子块的感知哈希序列生成整幅影像的感知哈希值。在影像认证时,首先计算原始影像与待检测影像的哈希序列,然后计算两者的感知哈希序列平均汉明距离,完成对高分辨率遥感影像内容的完整性认证与篡改定位。试验表明,该算法能够识别高分辨率遥感影像中地物较为平滑的区域,同时对JPEG压缩、高斯噪声添加、BMP格式转换等操作具有良好的稳健性,为高分辨遥感影像完整性认证提供支持。     

基于土地覆盖图斑的多时相遥感影像自动配准方法

针对点、面方法仅利用了遥感影像几何特征和部分波段的灰度特征进行多时相遥感影像配准的不足,本文提出了一种利用稳定土地覆盖图斑的多时相遥感影像自动配准新方法,充分利用遥感影像多光谱信息和大量存在的稳定土地覆盖图斑信息进行图像配准,并且选取了土地覆盖年际变化最为强烈的农业种植区作为实验区,分别利用了同一传感器和不同传感器不同时相的遥感数据开展了实验研究。两次试验中,配准精度分别达到了0.57个像元、0.65个像元。实验结果表明,本文提出的方法能够有效地筛选出满足图像配准的同名图斑,具有较高的配准精度和适用性,提高了遥感影像的配准效率。