航空图像光流场的逆向金字塔计算方法

航空图像光流场是低空运动目标检测与变化信息获取的基础,通常将图像金字塔结构引入数值过程以增强全局收敛性。然而,金字塔结构往往是由底层至顶层的递进方式构建,其忽略图像的几何成像过程,造成微小光流或不能得到光流的问题,导致难以支撑后续建模与分析。本文提出了一种以顶层图像为基准的逆向金字塔结构,首先依据中心投影定量地计算出顶层图像的降采样因子,使得顶层图像光流能够反映所设定的地面目标位移阈值;其次,结合顶层与原始图像,以等比方式确定中间层降采样因子;最后,利用高斯平滑与图像插值得到中间层图像,并形成金字塔。对比试验与分析表明,逆向金字塔可准确地计算航空图像光流场,在抑制地面微小位移方面具有优势。     

基于主成分分离方法的航空图像云检测

传统云检测方法未顾及云具有半透明性质的特点,直接从遥感图像中提取云特征用于云检测,降低了云检测精度.本文根据Mie散射理论构建云与地表信息的线性模型,即将一幅遥感图像看作是云与地表信息线性构成的,从整个纹理结构的角度看,云图像位于一个低维的子空间,首先采用主成分分析方法(PCA)构建云成分分离模型,从遥感图像中分离出云成分,其次采用局部二值模式(LBP)特征提取云成分的纹理作为特征向量,最后训练支持向量机分类器进行云检测.本文以755幅航空图像为实验对象,其中包含158幅有云区域,正检率达到90.69％,误检率9.31％,说明本文方法对航空图像云检测有一定效果.     

利用化简分割生成示意性网络地图

从整体到局部相互协调是示意性网络地图的关键所在,已有方法多是单纯地将线段作为示意基本单元,当空间要素分布不均衡时,容易产生示意结果全局表达不一致以及局部要素过于紧凑而变形的现象。考虑网络连通与网络闭合这两个性质,提出了一种化简分割生成方法,核心思想是根据连通化简网络,进而依据闭合构建网眼与线段两种基本示意单元。首先,对网络节点化简以及方向、长度调整,形成整体一致的化简网络;其次,将化简网络分割为网眼集合与线段集合;第三,建立从网眼至线段的示意化过程,通过网眼局部控制以避免要素过于紧凑。实验讨论了本文方法在不同示意约束规则之下的表现效果,与经典迭代寻优方法的对比分析表明,在网络整体形态保持与局部要素布置方面具有一定的优势。