基于灰度形态学的高分辨率遥感影像预处理

提出了一种从高分辨率遥感影像中提取线性目标时影像预处理的方法.该方法基于灰度形态学的Top-Hat运算和灰度膨胀运算,用Top-Hat算子除去影像的噪声,再利用灰度膨胀增强影像目标和背景之间的对比度,使目标更易于识别.经过处理的遥感影像,能够更有效地提取影像的目标.     

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。     

Laws纹理能量结合灰度共生矩阵的遥感影像面状地物提取

针对遥感影像中纹理较复杂的面状地物提取问题,提出一种Laws纹理能量结合灰度共生矩阵的遥感影像面状地物提取方法。该方法首先利用数学形态学膨胀、腐蚀对影像进行预处理;然后,分别对影像进行直方图均衡化,利用4个微观滤波算子滤波生成4幅微纹理影像;计算影像4个方向灰度共生矩阵及每个共生矩阵的4个纹理测度,生成4幅纹理影像;最后,结合8幅纹理影像进行区域生长跟踪轮廓。     

一种基于变分Retinex的遥感影像不均匀性校正方法

本文提出一种基于变分Retinex的遥感影像灰度不均匀性校正方法。该方法在Retinex框架上，利用变分最优化技术和投影归一化最速下降法求解成像瞬间的照度分布，并以此为基础对遥感影像的灰度不均匀性进行校正。为了提高运算效率，引入了多尺度数值求解的策略。利用模拟影像和真实影像进行了实验，并与传统方法进行了对比分析，结果表明，本文方法能够在消除影像灰度不均匀现象的同时，有效保持影像本身的色彩和细节信息，同时还具有较高的运算效率。     

一种基于卷积运算的遥感影像道路提取方法

根据遥感影像道路特征,提出一种基于卷积运算和数学形态学的道路提取方法。首先通过拉普拉斯算子对图像行锐化处理;再用卷积运算获得线特征加强系数,在加强道路线特征的同时,背景灰度恒定区域被弱化;然后去除短线和块状噪声,适当地加入人工干预进行道路修剪;最后用数学形态学细化处理得到道路网。实验结果表明,该方法能有地从遥感影像中提取出道路。     

纹理主方向的遥感影像居民地提取

本文研究利用基于傅立叶变换和Hough变换的灰度共生矩阵方法对遥感影像居民地进行提取。首先,通过傅立叶变换把遥感影像变换到频率域,然后利用Hough变换找出遥感影像的主纹理方向,进而把影像主纹理方向旋转至水平,最后利用灰度共生矩阵方法进行纹理分割。实验结果表明:基于傅立叶变换和Hough变换的灰度共生矩阵方法对遥感影像居民地有较好的提取结果。     

高分辨率遥感影像普通车辆自动检测方法探讨

利用高分辨率遥感影像数据,研究停车场上普通车辆的自动提取方法。基于影像的灰度信息,分别采用边缘检测法、阈值分割法、区域生长法和点特征提取法等方法对遥感影像中的车辆目标进行检测。通过对比分析各种算法实验结果,探讨不同算法进行车辆检测的效果,并利用灰度线性变换的方法对阈值分割法进行了改进,提高了普通车辆目标检测效果。     

道路综合特征下高分辨率遥感影像的提取

针对在高分辨率遥感影像中如何提高道路信息提取的准确度和信息量这一问题,通过对影像光谱和纹理特征的分析,将影像特征按照2种光谱特征和3种纹理特征进行分类,进而改善传统的图像分割方法,选择灰度级数和像素对的相对方向、距离和窗口大小作为参数,再通过灰度共生矩阵运算获取影像的纹理信息,通过对这些纹理特征的综合比较分析,最后确定角二阶矩、熵和对比度作为道路纹理特征统计量;再通过对图像像元分析比较,将图像像元标准差和灰度均值作为道路信息提取的光谱特征;在对道路综合特征分析基础上,再通过对遥感图像几何特征分析,最后利用数学形态学的开运算、闭运算、腐蚀、细化等模型算法对遥感图像进行精细化处理,得到道路提取较好的结果。该方法可用于复杂路况的道路信息提取。     

基于T型模板的遥感影像道路提取方法

高分辨率遥感影像具有数据量大、波段少、地物细节纹理信息更加清晰、空间信息更加丰富等特点,因此基于高分辨率遥感影像的道路提取方法研究是当前一个研究热点。但高分辨率遥感影像提供了更丰富的地物目标细节的同时,也使得噪声信息随之增加,如道路上的车辆、道路线、邻近的行树及阴影、建筑物及阴影等,并且在光谱通道上道路与噪声之间存在更强的粘连性。因此,本文通过分析高分辨率遥感影像的道路特征,提出了T型匹配模板道路提取算法,该算法使用角度纹理特征预测道路初始的前进方向,利用T型模板计算道路预测点,采用灰度值最小二乘方法求解最佳道路点,最终提取道路的中心线轨迹。多幅高分辨率遥感影像实验结果分析表明,本文算法可以有效地克服高分辨率遥感影像中道路周边障碍物和遮蔽的噪声影响,完成对道路的有效提取。     

基于形态分割的高分辨率遥感影像道路提取

基于灰度形态学,提出一种从高分辨率遥感图像提取道路网络的方法.首先利用灰度形态特征对遥感影像进行分割,进而得到基本的道路网络轮廓.然后在此基础上,利用线段特征匹配方法提取道路网络.提出的方法能适应于从道路和背景区别不很清楚的遥感图像中提取道路.实验结果也表明,本文方法能有效地从遥感影像中提取道路网络.     

浅谈卫星遥感影像颜色调整

简要介绍了遥感技术系统和遥感图像后期处理的一般工作流程,在此基础上着重阐述了利用Photoshop图像处理软件调整水系颜色的快捷方法及其具体操作步骤。     

面向对象的高光谱影像目标识别方法

将面向对象影像分析和决策树方法综合应用于高光谱遥感影像的目标提取,在分析待提取地物特征的基础上,总结归纳其特性知识,构建分类规则,设计和实现决策树以完成目标识别。该方法充分应用分割所得到的均质对象的位置、形状、纹理等特征实现了决策规则提取和决策树构建,在应用OMIS和PHI影像进行目标识别的实践中取得了很好的效果。     

基于实例分割模型的建筑物自动提取

传统的遥感影像目标提取方法大多采用目视解译或基于像素信息进行处理，难以适用于高分辨率影像中的复杂场景。而现有的卷积神经网络语义分割模型，由于难以达到较高的精度会出现提取目标粘连的情况。针对该问题，本文对实例分割模型Mask R-CNN进行改进，提出了一种高效、准确的高分辨率遥感影像建筑物提取算法。首先，在Mask R-CNN原有的特征提取部分每个层级的特征图后再增加一层卷积操作，以降低上采样造成的混叠效应；然后，在原有掩膜预测结构的基础上增加一个分支，改善掩膜预测的效果；最后，将改进后的网络在建筑物数据集上进行训练。结果表明，本文方法能够准确独立预测每个建筑物顶部，没有目标粘连情况，且mAP值较Mask R-CNN有所提高，能够有效实现遥感影像建筑物精细化提取。     

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路-车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。     

一种结合地理知识的遥感影像目标实体关联方法北大核心CSCD

遥感影像目标识别技术已广泛应用于目标动态监测与定位等领域。但影像目标识别的结果缺乏与目标属性信息的链接,导致分析人员只能依据影像特征进行分析,难以进行更复杂的目标数据关联分析与挖掘。针对遥感影像目标识别语义属性信息缺失的问题,本文利用知识图谱相关技术将影像判别的目标信息与知识语义网链接。首先,提出了一种遥感影像目标知识图谱构建框架;其次,针对遥感影像目标不同的数据类型,构建遥感影像目标知识抽取模型,提出了基于相似度目标实体识别和预定义模式的关系抽取方法;然后,基于多特征Logistic模型的影像目标实体链接方法,实现了遥感影像目标实体与百科知识库的知识关联;最后,针对预定试验区域进行试验,验证了本文方法的可行性。     

基于ENVI的高分辨率遥感图像应用试验研究

介绍了高分辨率遥感图像用于城市土地利用信息提取的主要过程,应用ENVI软件作为试验研究平台对试验区进行了遥感图像分类处理。试验表明,遥感技术是进行城市土地利用信息提取的有效手段之一,针对遥感图像中出现的水体和建筑混杂的现象,提出了应用监督分类与矢量操作相结合的处理方法,可得到较好的分类结果。     

高分辨率遥感影像分割方法研究

在遥感应用分析中,遥感影像分割是低层影像处理和中高层影像分析和理解的桥梁,是实现遥感影像信息自动提取的关键步骤,具有重要的意义。随着大量高分辨率遥感影像的出现,传统基于像素的影像处理方法已不能适应高分辨率遥感影像。近年来,国内外研究者们提出了面向对象影像的分析方法,而面向对象影像分析方法的关键就是影像分割,影像分割精度直接影响着高分辨率遥感信息提取和目标识别的精度。首先给出一般图像分割方法的综述;然后分析和总结了当前主要的高分辨率遥感影像分割方法,着重阐述了均值漂移、分形网络进化、马尔科夫随机场等分割方法的特点和研究现状;最后,对高分辨率遥感应用分析中影像分割方法的发展趋势进行了讨论与展望。     

深度学习遥感图像标注系统研究

随着深度学习的发展,遥感影像处理技术也从传统机器学习算法向深度学习转变,然而,用于遥感图像的训练数据集却十分稀少,且数据标注困难。本文将GIS技术与图像标注技术相结合,基于Flask Web框架设计一个可用于海量遥感数据的标注系统。该系统可用于海量遥感数据的数据框标注、数据类别标注,以及目标关键点标注,同时能将标注数据导出为深度学习训练最常用的COCO数据集和VOC2007两种格式。     

遥感图像质量等级分类的深度卷积神经网络方法

遥感图像应用发展对图像质量的要求越来越高,不同质量的遥感图像往往需要不同的处理方法和参数。通过遥感图像质量等级分类研究,不仅能够为遥感图像的处理提供先验信息,还能够对遥感图像的客观质量评价和传感器的成像效果进行评估。为了克服现有的遥感图像质量等级分类方法计算参数获取困难、等级数量少的缺点,利用深度学习方法的分类机能,通过改进特征提取网络和等级分类设计,建立了一种基于深度卷积神经网络的遥感图像质量等级分类模型。通过质量等级分类预处理后,利用经典的深度学习方法进行目标检测实验。结果表明,所提方法在西北工业大学遥感图像数据集上质量等级分类的准确率、召回率、精确率和F1最高能达到0.976、0.972、0.974和0.973, 优于传统算法。利用卷积神经网络实现遥感图像质量等级分类,既拓展了深度学习的应用领域,又为遥感图像质量评估提供了一个新方法。     

利用参考图像的遥感图像模糊估计与恢复

提出一种新的利用参考图像的模糊估计与恢复方法。同一场景不同时相的图像,由于拍摄条件的不同,清晰化程度也往往不同,将高质量的图像作为参考,为模糊估计和恢复提供先验知识,在Bayes统一的框架内进行快速PSF估计,然后使用总变分最小化方法进行恢复。通过真实遥感图像实验,结果表明所提出的方法可以有效地估计退化模糊、恢复未失真图像。