点分布-双蛇模型用于矢量边界更新

在利用遥感影像更新GIS矢量数据的过程中,往往忽略了对已知信息的有效利用,针对这一问题,本文提出一种基于点分布的双蛇模型用于GIS矢量数据更新,该模型利用已有遥感影像信息计算目标边界点的平均分布,以此为"镜面"建立初始矢量边界的"镜像",将两边界各自演化的结果取平均作为更新后的GIS矢量边界。该方法同时利用了GIS和遥感的历史数据作为先验知识,分别作为蛇模型的初始位置和区域约束信息,使遥感与GIS信息结合更加紧密。仿真实验表明,基于点分布的双蛇模型在GIS矢量边界更新的应用中,可以得到比以传统蛇模型更好的更新准确率和多边形相似度,并且接近手工方法的效果。     

区域生长与GVFSnake模型相结合的水域边界提取

利用梯度矢量流GVF(Gradient Vector Flow) Snake模型实现了全色遥感影像上水域边界的智能提取.对于形状特别复杂的水域,单独利用GVF Snake模型提取其边界,存在着人机交互繁琐、时间消耗大、提取精度有待提高等问题.为了解决这些问题,提出了一种自动初始化的GVF Snake,利用区域生长法自动...     

一种利用矢量数据和GVF Snake模型的面状水域提取方法

GVF Snake模型具有捕获范围大、能够逼近"凹形"区域的优势,是提取面状水域的有效方法,但该模型在具体使用时需要依赖一定的人工参与。本文充分利用已有矢量数据中的先验信息,通过扫描线寻找目标像素并进行区域生长,为GVF Snake模型的求解提供梯度矢量场的作用范围及初始轮廓曲线,提高模型的自动化程度。实验证明,该方法准确、可靠,对于面状水域矢量数据的更新具有一定的实用性。     

运用GVF Snake算法提取水域的不规则边界

GVF Snake是一种改进型主动轮廓提取算法。本文在详细介绍GVF Snake原理的基础上,重点对GVF Snake的内、外部约束力在边界提取中的作用以及初始边界对提取结果的影响进行了实验研究,提出了初始边界和内部约束力权值的合理设置方法,设计并实现了交互式GVF Snake算法,并用于提取遥感影像上水域的不规则边界。该算法采用种子点区域生长法自动给出水域的初始边界,采用人机交互法设置内部约束力权值,然后运用GVF Snake算法搜索水域的实际边界。实验表明：对于形状极不规则的水域,交互式GVF Snake算法也能方便、快速、准确地获取其边界。     

基于面积比分割的面状水域提取方法研究

针对目前遥感影像中面状水域提取算法的自动化程度不高的问题,本文提出了一种基于面积比分割的面状水域提取算法。首先,利用矢量数据提供的面积作为先验信息,对待提取的遥感影像进行图像分割,经过去噪、边缘检测等环节实现面状水域的初步提取;然后将初步提取的面状水域带入到主动轮廓模型中,作为初始边界对面状水域进行精确提取;最后,以天绘影像对上述算法进行验证,结果表明:该算法能够有效提取面状水域,提高现有算法的自动化程度。     

GVF Snake与显著特征相结合的高分辨率遥感图像道路提取

高分辨率遥感图像中的道路信息,对地理信息系统数据库的更新具有重要的意义。本文通过分析道路在遥感图像中所呈现的特性,提出了一种基于显著特征和GVF Snake的高分辨率遥感图像道路提取方法。该方法根据视觉认知理论将道路的几何特性和辐射特征作为显著特性。首先,通过融合颜色对比度和空间统计特征计算显著性图,并以输出的显著图的最大值作为GVF Snake的初始种子点;再利用区域生长法求出道路的初始边界,通过梯度矢量流模型的迭代求解,并最小化能量函数,实现道路信息的自动提取。试验结果表明,本文所提出的方法提高了不仅可以提高计算效率,还具有较好的检测精度。     

结合LiDAR与遥感影像的水域边界提取方法

针对高分辨率遥感影像提取水域边界不准确、不完整的问题,提出了高分辨率遥感影像结合机载LiDAR点云数据提取水域边界的新方法。首先将配准后的LiDAR点云数据网格化,生成DSM影像,然后运用数学形态学分析获取水体的初始边界信息,最后基于活动轮廓模型的图割算法对构建的边界缓冲区进行优化分割,从而获取精确的水域边界。实验结果表明,该方法能够去除部分水域干扰噪声且能够得到比较精确的边界信息,具有较好的视觉效果和较高的工程应用价值。     

基于 GVF 和 Snake 模型的高分辨率遥感图像四元数空间道路提取

基于Snake模型的优势及缺陷,提出一种高分辨率多光谱图像道路提取方法。通过建立多光谱图像信息的四元数表达式,解决Snake模型应用于多光谱图像的局限性;通过多光谱图像四元数空间标记分水岭分割,获取道路初始轮廓,解决道路初始边界设置问题;通过梯度矢量流模型迭代求解,解决道路凹陷位置逼近问题,最终实现道路提取。用QuickBird 高分辨率多光谱遥感数据验证方法的可行性,与直接采用Snake 模型进行道路提取结果相比,本文所提出的方法对于高分辨率影像上的高等级道路提取具有较好的精度。     

基于GVF模型的地物边界边缘优化方法

采用梯度矢量流(GVF)模型对自动提取的地物边界进行优化，可以在一定程度上提高其与实际边界的匹配度，但GVF模型进行边缘优化在计算过程中容易受到周围突变点或突变区域的影响，导致部分点位偏离真实边界。本文对GVF模型进行改进，分别对道路和海岸线边界进行优化，提高提取结果与实际边界的匹配程度。     

基于区域生长的遥感影像河流提取

通过对遥感影像中河流光谱特征的研究,提出了一种基于区域生长的遥感影像河流提取方法。该方法首先根据遥感影像生成灰度图像,选取河流生长初始区域,设置生长范围和生长阈值,通过区域生长得到河流边界,剔除河流内部"孤岛"并对边界细化,最后生成矢量文件。本文使用具有不规则河流边界的Landsat8遥感影像作为实验对象,验证方法的可行性和有效性。     

一种利用Mask R-CNN的遥感影像与矢量数据配准方法

遥感影像数据与地理信息系统（geographic information system,GIS）矢量数据的配准是遥感与GIS集成的基础。目前遥感影像与矢量数据的配准关键在于遥感影像特征的提取,而现有遥感影像特征提取方法存在特征提取不完整、配准失败和精度不高等问题。由此提出了一种基于Mask R-CNN（region-based convolutional neural network）的遥感影像与矢量数据配准方法,首先,利用Mask R-CNN模型提取影像的道路交叉口作为影像控制点; 然后,依据几何拓扑关系筛选矢量数据道路交叉口作为矢量控制点,再根据遥感影像与矢量数据控制点的欧氏距离确定同名控制点;最后,以同名控制点为基础实现遥感影像与矢量数据的配准。选取上海市矢量数据和高分二号影像数据进行配准实验,实验结果表明, 所提方法鲁棒性强、精度高。     

矢量C-V模型的高光谱遥感影像分割

高光谱遥感影像除了包含普通2维影像所具有的空间信息还包含了1维光谱信息,传统的针对2维影像的分割方法不能很好地应用于高光谱遥感影像。为此,本文提出一种能够同时处理多波段影像的高光谱遥感影像矢量C-V模型分割方法。首先选出高光谱遥感影像中目标与背景对比度较大的波段,并通过计算波段相关系数,去除其中的冗余信息形成新的波段组合,进而根据所确定的波段组合构建高光谱遥感影像矢量矩阵;在此基础上,构造基于该矢量矩阵的矢量C-V分割模型。模型中通过引入基于梯度的边缘引导函数,在保留传统C-V模型基于区域信息进行影像分割的基础上,利用影像的边缘细节信息,增强了模型在异质区域和复杂背景情况下对目标边缘的捕捉能力,提高了对高光谱遥感影像的分割精度和速度。最后利用HYPERION数据进行仿真实验,并将实验结果和传统C-V模型和相关方法进行了对比,结果表明,本文方法能够在短时间内有效地分割高光谱遥感影像,与传统方法相比,具有分割精度更高运算速度更快的特点。     

顾及纹理特征贡献度的变化影像对象提取算法

遥感影像变化检测是全球变化研究的重要内容。基于两期遥感影像的变化检测方法存在数据条件要求苛刻、难以充分利用快速发展的多源遥感影像数据等问题。目前许多变化检测的参考数据中包含了一期分类矢量数据,矢量数据中往往包含了位置、形状、大小和类别属性等先验信息,充分利用这些先验信息将可提高变化检测精度。提取变化影像对象是结合矢量数据和遥感影像进行变化检测的核心步骤。本文提出了一种顾及纹理特征贡献度的变化影像对象提取方法。该方法利用矢量数据分割遥感影像,获取影像对象,计算影像对象纹理特征值。根据信息增益原理计算纹理特征参数的特征贡献度,选择特征参数。由贡献度指数大小确定纹理特征参数权重,计算影像对象与先验要素类别的相似度系数,提取变化影像对象。试验结果表明,基于纹理特征贡献度的特征参数选择,能有效地提高变化影像对象提取结果的精度。     

一种基于先验知识的矢量边界更新方法

本文针对GIS中地物矢量边界更新繁琐、低效的问题, 提出一种以GIS数据作为先验知识的简便矢量边界更新方法.该方法针对GIS线性矢量边界只需有限个拐点描述的特性, 将对边界寻找转化为直接对矢量边界上拐点位置的确定, 简化了变化检测与更新过程.以TM遥感影像为数据源,矢量shape文件为先验知识, 分别利用该方法检测、更新扎龙湿地内克钦湖、东升水库以及一块沼泽地边界.并运用简化的缓冲区检测算法计算拐点更新准确率, 同时对本文结果与手动更新结果的相似性进行计算与分析.实验结果表明, 本方法不但简化了变化检测和更新过程, 而且可以得到接近手动更新方法的准确率, 并且更新后矢量多边形与手动更新所得到的矢量多边形保持了较高相似性, 达到了较好的效果.     

基于多维云空间的多光谱遥感影像边缘检测研究

在云模型的基础之上,提出一种基于多维云空间的遥感影像边缘检测算法。该方法依据矢量角相似性准则并结合邻域关系进行图像区域生长,在此基础之上根据影像不同波段的数据特征建立多维云空间映射模型,将数据从图像空间映射到云空间。通过多维云的逻辑运算生成边界云并进行向量综合。利用云的数字特征反推隶属度,构建边缘模糊特征平面,并通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法在多光谱遥感影像中能取得较好检测效果。     

浅谈多源多分辨率遥感数据整合

本文以ArcGlobe为平台,表现江西省的多源多分辨率遥感数据对江西省现有遥感数据的整理分析,提取出所需区域的最新遥感影像资料,补充制作缺失的遥感数据,将各传感器源的影像模拟为近自然真彩色影像,解决影像间的几何差异和色彩差异问题,对影像数据进行整合,建设2.5m-15m分辨率的省级影像库和0.2m-1m分辨率的设区市影像库,同时对影像数据的查询方法和管理方法进行探讨和研究。     

改进尺度不变特征变换的遥感影像配准

当遥感影像强度映射差异较大或发生非刚性变换时,该类方法会导致不理想的配准效果.针对此问题,该文提出了一种结合改进的SIFT和LPM算法的遥感影像配准方法.在SIFT算法的基础上引入Scharr滤波器进行空间极值检测并计算高斯尺度空间的梯度幅值;在构建特征描述符时使用梯度位置方向直方图算子提取特征向量;在特征匹配阶段通过设定阈值进行初始匹配并生成预设匹配集,利用LPM算法剔除预设匹配关系集中的错误匹配关系.实验结果表明,较之已有的遥感影像配准方法,本算法可以得到更高的匹配精度和更理想的配准效果.     

众源矢量数据分块纠正研究

众源矢量数据能够提供丰富的地理信息,但存在几何误差分布不均匀问题.针对众源矢量数据几何误差问题,本文提出一种众源矢量数据分块纠正方法.以遥感影像作为标准数据,通过模板匹配得到遥感影像与众源矢量数据的同名点,根据同名点的几何误差分布对众源矢量数据切分及分块纠正,最后拼接纠正结果实现众源矢量数据的纠正.本文以上海市OpenStreetMap矢量道路网作为实验数据进行分块纠正实验,实验结果表明分块纠正后众源矢量数据几何误差显著降低.     

结合nDSM的高分辨率遥感影像深度学习分类方法

针对高分辨率遥感影像因其地物类内差异大、光谱信息相对欠缺导致现有影像分类方法存在错分现象较多、地物边界残缺不完整等问题，本文提出了一种归一化数字表面模型（nDSM）约束的高分辨率遥感影像深度学习分类方法。首先，将nDSM数据作为附加波段叠加在遥感影像上并获取训练样本；然后，利用优化的U-Net网络进行模型训练得到最优模型；最后，利用最优模型对附加了nDSM波段的遥感影像进行地物分类。试验结果表明，本文方法引入nDSM数据用于U-Net模型训练和分类，可有效提高影像分类精度，得到更加真实可靠的分类结果。     

基于改进邻域均值的全色影像水域提取

利用传统邻域均值法对全色影像水域进行提取时,所提取的水域边界精确度严重依赖于搜索窗口的大小。本文通过分析水域灰度特征以及提取边界不精确的原因,对方法进行针对性的改进:依据邻域各像素点与种子点的灰度差值分别对其赋予不同的灰度值,以处理后的邻域均值作为特征进行水域提取。实验结果表明:基于改进的邻域均值方法对遥感影像水域有较好的提取结果,提取精度较之改进前有明显改善。