基于栅格数据提取主骨架线的新算法

详细介绍了基于栅格数据的面状地物主骨架线的提取算法。该算法具有较快的处理速度和较强的适应性及内存需求少的优点 ,同时用该算法所提取的主骨架线为最优 (最长 )骨架线 ,可用于面状地物注记的自动配置。     

基于骨架特征的多光谱遥感影像飞机目标识别方法研究

飞机目标的自动提取,是信息处理领域的重要研究内容。提高飞机目标的识别率,可以准确的把握区域动态,为相关决策提供支持。由于数学形态学特征和复杂几何结构等特征相对抗干扰性较强,而骨架线由地物的边界形态决定,不受其他因素影响,具有良好的稳定性。据此,研究选取香港机场多光谱遥感影像作为实验数据,基于骨架线几何特征参数与网络测度,提出了一种由多光谱遥感影像自动提取飞机目标的方法。研究选择基于边缘的多光谱遥感影像分割方法,提取矢量地物边缘;基于约束Delaunay三角网自动提取地物骨架和主骨架;通过选取对飞机目标识别具有良好区分度的特征参数,最终实现飞机目标的自动识别与定位。     

利用数学形态学提取骨架线的改进算法

地图数字化生产和数字地图编绘中都需要用到提取骨架线算法,如矢量化和等级变换等。提取骨架线的算法较多,基于栅格数据的算法通常采用数学形态学方法,对于矢量数据目前较有代表性的是利用约束Delau-nay三角网提取骨架线。本文给出一种利用数学形态学提取骨架线的改进算法,适用于栅格和矢量数据,并能在矢量化时建立高质量的拓扑关系,还较好地克服了数学形态学方法的缺点——节点畸变和端点内缩。实验表明该算法稳定且行之有效。     

面向对象的投影互分割道路变化检测

通过实验提出了面向对象的投影互分割城市道路变化检测方法。选用不同时相的QuickBird图像,根据地物影像的光谱、形状及纹理等特征进行多尺度分割和层次分类,提取城市道路目标;建立检测层,将不同时相的图像分类结果投影到检测层的相应对象层上,并进行互分割,通过判断某一位置地物类别的一致性,实现道路变化检测的目的。实验表明,面向对象的投影互分割道路变化检测能得到较好的检测效果。     

高分辨率图像辅助提取高光谱图像端元

现有的端元提取算法大多是基于凸面单形体假设,对于非单一地物类型,利用这些端元进行丰度反演将会影响混合像元分解精度。本文提出一种利用高分辨率图像判断高光谱像元内是否为同一类型地物的方法。首先,利用图像分割程序对高分辨率图像进行分割,得到光谱均一的斑块矢量图,并叠加到高光谱图像上;然后,通过空间关系分析找出斑块内的高光谱像元,称其为准端元;最后,利用端元提取算法在这些准端元中进行端元提取。实验结果表明,该方法将端元提取结果的误差降低了20%左右。     

基于分水岭变换的遥感影像面向对象多尺度分割算法研究

面向对象多尺度分割技术建立一种基于多尺度分割、逐级分层提取地物边界的方法。并基于这一思想,提出基于分水岭算法和异质性最小区域合并算法相结合的快速分割方法。试验表明,该方法能快速准确地获得高分辨率遥感图像的分割结果。     

面向端元提取的光谱角特征空间图像分块方法

传统的高光谱端元提取算法一般是在高维的光谱特征空间中进行运算,并且图像的全部像元都参与算法,因此运算量偏大,运算效率较低。提出了一种光谱角特征空间的概念,利用图像的空间信息辅助端元提取。图像的全部像元都可以映射到8维的光谱角特征空间中,样本点在特征空间中距离原点的远近表征了其在图像中的位置是否为地物区块的边缘,利用这点可以对高光谱图像进行空间分割。在分割后的每个子块图像内部只选取少数"最纯"像元参与端元提取算法,从而大大降低了端元提取的计算复杂度。     

利用规则进行高分辨率遥感影像地物提取

针对高分辨率遥感影像中地物的复杂性和多变性带来的地物提取难点,提出了一种基于多层次规则的面向对象的典型地物提取方法。改进了基于区域增长的影像分割方法,利用小区域内的全局最优策略进行初始增长,避开了种子点的选择。利用影像分割得到的影像对象作为地物提取的基元,针对影像上典型地物选择提取特征,利用多层次的提取规则进行地物提取,总的提取精度达到87.1%。     

基于结构特征的地图上带晕线多边形的识别

在建立GIS的过程中,从现有的各种比例尺的地形图上获取地理信息是必不可少的工作。带晕线多边形是基本比例尺地形图上最主要的地物要素类别之一,文中在地图二值图像的基础上,根据带晕线多边形的结构特征,利用一系列图像变换技术,首次成功地实现了带晕线多边形的自动识别与提取。提出并实现了用于带晕线类多边形影像分割的4方向RLS变换方法,详细讨论了收缩变换、扩张变换、细化、开图形删除和带晕线类多边形的识别等算法。实验表明,利用文中所述方法进行带晕线多边形识别与提取的正确率可达96%左右。     

基于分类与形态综合的高分辨率影像建筑物提取方法研究

本文提出了一种基于分类和形态综合的高分辨率影像建筑物提取方法。主要研究的是基于高分辨率影像多尺度分割的面向对象人工地物分类方法,并以此为基础提取房屋,实现房屋位置、范围的初步自动化提取。最后,对提取的地物图斑的精确边界利用Hough变换提取直线边缘轮廓线,并以此为基础进行轮廓拟合和制图综合,从而得到规则的、方形组合的建筑物形状信息。     

利用骨架线端点匹配进行面状要素渐变变换

面向空间数据连续地图综合问题,提出了一种基于骨架线端点匹配的面状要素渐变方法,通过在两个关键表达之间进行尺度内插,实时、动态地派生任意中间比例尺地图数据。首先,对面状要素在大小比例尺下的两重表达分别进行约束Delaunay三角网剖分并提取各自的骨架线特征;然后,使用最优子序双射优化技术对骨架端点进行匹配获得多边形边界上相对应的特征点序列;最后,在剖分边界的基础上进行分段常规线性内插,获得面状要素介于始末尺度之间的多尺度表达。实验结果表明,该算法充分顾及了空间数据弯曲结构特征,对于光滑边界面状要素的渐变变换具有良好的渐变效果,可用于空间数据的连续地图综合和多尺度表达。     

支持地图综合的面状目标约束Delaunay三角网剖分

针对多边形面状目标的综合问题,建立了二维空间中约束Ｄｅｌａｕｎａｙ三角网剖分结构,融入多边形的环、岛屿、边界、顶点的描述,通过形式化条件检索,在该结构上提取二维空间中各种感兴趣的由剖分三角形组成的区域,用于支持地图综合中邻近多边形的搜索、多边形弯曲部位的识别、冲突关系探测、多边形合并等操作。并对基于骨架线的图结构建立、分枝宽度计算等几何问题进行了详细讨论,指出了其在诸如双线河中轴化、街道中轴线网络模型建立、多边形合并中的邻近关系分析、面状目标注记自动定位领域的支持作用。     

数学形态学与拓扑约束支持的单条河流骨架线提取

为解决当前遥感手段提取河流骨架线自动化程度不高、精度有限、易发生断裂等问题,提出一种基于数学形态学与拓扑约束理论的完整单条河流骨架线自动化提取方法。该法综合利用归一化水体指数(NDWI)和数学形态学方法提取遥感影像中的河流及河流初始骨架线;从河流初始骨架线二值图中获取断点,并自动计算膨胀系数,利用局部膨胀细化法进行连接;结合拓扑约束,利用初始骨架线对连接线进行去伪操作。结果表明,该方法能有效解决细小、易发生断裂的单条河流的完整骨架线自动提取的难题。     

地形图要素辅助下的影像面状地物提取

针对遥感影像与地形图变化检测中影像面状地物的提取问题,该文提出了一种地形图要素辅助下的影像面状地物提取方法。该方法首先利用配准后落在影像面状地物内的地形图面状要素中心进行区域生长,然后以人工选取的各类地物的初始样本和上述区域生长出影像上的各类地物作为训练样区进行监督分类,最终实现影像面状地物提取。实验结果表明,该方法能够有效地提取影像面状地物,并且自动化程度较高。     

DEM数据辅助的山脊线和山谷线提取方法的研究

从数字化地形资料中自动提取山脊线和山谷线的技术在测绘、工程设计等方面有着重要的意义。本文对现有的山脊线和山谷线自动提取的方法进行深入研究后 ,指出充分利用数据中所含有的地形信息是正确提取山脊线和山谷线的有效途径 ,那种试图仅依靠二维等高线形态分析的方法很难得到理想的结果。依照该思想本文设计出了一种基于DEM数据辅助的山脊线和山谷线提取方法。该方法先利用等高线数据建立区域地形概略DEM ,然后借助三维地形分析的技术辅助进行山脊线和山谷线的提取。文后通过实验验证了该方法的有效性 ,它所提取的山脊线和山谷线与实际地形相符合。     

房屋三维建模中拓扑结构自动生成方法

在已有的利用影像匹配提取出的房屋特征点的基础上,通过对多边形的拓扑结构的分析,分别提出了自动建立凸多边形和直角多边形拓扑关系的算法。     

以弯曲骨架线为化简指标的海岸线综合方法

针对海岸线综合中以弯曲高度和弯曲深度为化简指标的不足,提出了以弯曲骨架线为指标的综合方法。在基于曲线单调段的弯曲识别的基础上,通过弯曲部位三角网的构建提取了弯曲骨架线。结合＂扩陆缩海＂原则进行了海岸线综合实验,验证了该方法在保持海岸线形态特征方面的有效性与可行性。     

多边形骨架线与形心自动搜寻算法研究

针对GIS中的应用，分析了传统的多边形骨架线与形心提取算法的不足之处，提出了一种基于约束Delaunay三角网结构的多边形主骨架线与形心的自动搜索算法，详细描述了该方法的基本思想，并在实验结果基础上分析了该算法的特点。     

基于约束Delaunay结构的街道中轴线提取及网络模型建立

从街区多边形提街道中轴线并在此基础上建立街道网络模型是城市空间分析及街区地图综合的基础问题,本文基于约束Ｄｅｌａｕｎａｙ三角网结构提出了在邻近街区边界之间的三角形元上提取中轴线从而建立街道网络图模型的方法,区分三种不同三角形元进行中轴线的连接,通过网络图的顶点、边完备地表达出街道、街区、街道交叉口之间的空间关系,并建立了街道中轴线与左右两侧街区多边形边界弧段间的匹配,从而使本文提出的混合数据模型将街道网络结构与街区多边形结构统一起来。