基于小波变换的桥梁风振变形监测数据处理

讨论小波变换应用于变形监测数据的去噪和提取变形趋势、频率特征及突变点的理论方法,并对桥梁风振变形监测数据进行小波分析处理。试验结果表明,小波变换能够很好地完成数据去噪与提取频率项、变形趋势项和检测突变点等信息,数据处理效果显著。     

利用遥感影像划分城乡过渡带方法的研究

提出了一个将 Ｔ Ｍ 影像与突变检测方法结合划分城乡过渡带的方法。首先采用二级结构分类方法从 Ｔ Ｍ 影像中提取城市用地信息;其次以城市用地比率进行窗口平滑处理,突出城市用地比率的圈层变化特征;最后用均值突变检验中的滑动ｔ检验方法对各方向的城乡断面上的城市用地比率进行突变检测,进而根据突变点的空间分布划分出城乡过渡带内、外边界的位置。利用北京１９８４ 年和１９９６ 年的 Ｔ Ｍ 影像进行验证,结果证明上述方法是可行的     

利用小波变换和边缘限制条件进行水域分割

阐述了一种利用小波变换和边缘限制条件进行水域提取的新算法,它的特点是先用小波变换将影像变换到不同尺度层上;然后在不同尺度层上统计影像的特征值,以形成影像的特征数据;接着利用Facet边缘检测算法在特征数据上检测特征边缘存在的情况,从而判断像素是否属于水域.与传统的水域提取方法相比,它用到了不同频率上水域灰度信息,从而更准确地刻画了水域的灰度特性.试验结果表明:利用小波变换和边缘限制条件对水域分割效果较好.     

基于二进小波变换的SAR图像湖岸线提取

本文阐述了一种基于二进小波变换的从SAR图像中提取湖岸线的方法。该方法首先利用边缘和噪声的奇异性在二进小波变换中随尺度变化具有不同的传播规律来检测边缘点，然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接，实验结果证明，这种方法可以有效的消除SAR图像中存在的斑点噪声对边缘提取的影响，准确的提取湖岸线。     

利用小波变换和边缘限制条件进行水域分割

阐述了一种利用小波变换和边缘限制条件进行水域提取的新算法，它的特点是先用小波变换将影像变换到不同尺度层上；然后在不同尺度层上统计影像的特征值，以形成影像的特征数据；接着利用Facet边缘检测算法在特征数据上检测特征边缘存在的情况，从而判断像素是否属于水域，与传统的水域提取方法相比，它用到了不同频率上水域灰度信息，从而更准确地刻画了水域的灰度特性，试验结果表明，利用小波变换和边缘限制条件对水域分割效果较好。     

多方向小波变换高分影像边缘提取

由于小波变换方向分辨率较低,而高分影像中地物几何结构丰富,边缘存在于各个方向,导致了图像小波变换的频率系数仅被分解到水平、垂直和对角3个方向子带上,使得小波变换对具有复杂几何结构的地物边缘提取存在不足。为此提出一种Directionlet变换理论结合模极大值法的高分影像边缘提取方法。首先,对原始影像进行基于格的分解获得任意方向一维线集合,再进行小波变换并恢复图像格式得到高频方向子带;然后,利用改进模极大值法和双阈值法对系数进行处理得到边缘结果;最后,采用数学形态学方法对边缘提取结果进行细化连接等后处理,从而实现对高分影像边缘的提取。实验结果表明,该方法与传统边缘检测方法和小波变换相比,边缘提取更加完整,定位精度更高。     

多光谱图像的边缘特征检测方法

利用多光谱图像的两像素点灰度差异强度指数,定量分析了多光谱图像的边缘特征及响应特征差异,指出传统灰度算子会导致弱边缘特征漏检。为减小边缘响应强度差异,在光谱特征空间中分别利用特征值和特征向量表征多光谱图像的梯度变化大小和方向,同时采用B样条小波对影像进行多尺度变换,获取不同尺度的边缘特征。实验结果表明,此方法对多光谱图像检测出的边缘特征响应均匀且较为显著,综合多尺度边缘能准确检测并定位边缘点,且能有效地抑制噪声。     

一种基于小波变换的遥感影像道路自动提取方法

遥感影像上道路的自动提取是摄影测量与遥感、计算机视觉等领域的重要课题。本文通过对图像小波系数的分析,完成道路节点的提取。随后利用基于小波变换的边缘提取算子,对道路进行边缘提取。边缘提取出来之后,以道路节点为种子点,对道路进行Snake跟踪。为保证提取效果,对图像进行了预处理。实验表明,利用本文提出的理论与方法能为道路网的自动提取与识别提供一个可靠的依据,同时也对其他地物（如建筑物）的自动提取提供一个有价值的参考。     

凸壳内缩法进行多密度离散点群边界检测

针对现有离散点群边界检测方法对多密度点群检测结果效果不够理想这一问题,本文提出利用凸壳内缩法检测离散点的边界:先建立离散点群凸壳结构,再定义内缩精度后通过点群凸壳结构特征实现最适内缩精度的识别.该方法对内缩扫描区域面积会随边界点密度不同而变化,因此更加适用于多密度离散点群边界的检测.通过与现有边界检测方法的对比,本文提出的方法在处理多密度离散点群的边界检测问题时具有高效性和普适性.     

小波变换在遥感影像道路特征提取中的应用

遥感影像中的信息提取一直是图像处理的研究热点之一,阐述了在道路特征提取方面的一些经验.鉴于小波变换是检测边缘的良好工具,并结合边界跟踪,最终成功完成了道路特征的提取.     

Matlab平台下遥感影像的北方岸线提取研究——以大连长兴岛为例

在Matlab平台上, 利用卫星遥感影像数据, 结合RS与GIS技术, 选取大连长兴岛作为研究区域, 使用阈值分割法、边缘检测法及小波变换法进行了海岸线的提取, 并对结果进行对比分析。试验结果表明, 边缘检测法中Canny算子与小波变换法对海岸线的提取结果与真实地物最为接近, 其中Canny算子可以较为准确地提取围填海区域的海岸线。     

基于信息熵的城市边缘区的界定方法研究——以南京市为例

城市边缘区是城乡共同作用的地域单元。如何及时、准确地划分城市边缘区,是目前研究在GIS和RS相关软件的支持下,以南京地区2003年的Landsat TM遥感影像为计算依据,以信息熵理论为基础,结合分析城市边缘区土地利用特征,改进了传统的土地利用信息熵模型,分析熵值分布特点,最后采用突变检测的方法,以熵值60和68确定南京城市边缘区内、外边界的位置,划定了南京城市边缘区的大致范围。研究认为城市边缘区边界是动态变化的;在城乡断面上城市边缘区的景观紊乱度明显高于城市核心区和城市影像区,这为客观划分城市边缘区和利用遥感影像监测城市边缘区的动态变化提供了一个新的途径。     

曲波变换的高光谱遥感图像融合方法在土地利用调查中的应用

对两个有关土地利用状况调查区域的高光谱和Quickbird数据进行了数百次算法对比实验,最终确定Sym4和Db2是曲波变换中的最佳小波函数,提出两种基于曲波变换的高光谱遥感图像融合方法,即加权法和选择法,获得了更精确的高光谱遥感融合影像.在一个研究区域,通过对高光谱数据的子带分解、脊波变换、一定融合以及它们的逆变换等曲波变换过程,表明融合的高光谱遥感影像能提供许多有利于土地类型划分和影像识别的精确七地信息.在另一个研究区域,除进行曲波变换外,还通过二次多项式计算实现了高光谱与Quickbird数据遥感影像匹配,最终从高光谱与Quickbird数据获得的遥感融合影像经日视及信息熵、相关系数等评价表明,曲波变换融合图像优于小波变换融合图像,与Brovey融合图像相近,但比PCA融合图像稍差.客观和主观评价证实,曲波变换的遥感融合方法能为高光谱遥感图像在土地利用状况调查提供更多更准确的信息.     

小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

Gaussian反对称小波与SAR影像目标特征提取

由于遥感影像中目标尺度的不确定性 ,使得在目标特征提取和检测前难以事先确定最佳尺度以适应影像空间不同尺度目标的识别与检测 ,给遥感影像自动识别与全自动数字摄影测量带来了极大困难。为了解决遥感影像中不同尺度目标的探测问题 ,提出基于一般高斯核构造一类Gaussian反对称小波并给出相应二维小波变换的快速算法 ,弥补了MallatGaussian小波 (σ =1)在解决遥感影像空间不同尺度目标检测中的不足。对于影像中不同尺度的目标特征探测 ,通过在Gaussian核函数中选择适当的参数σ值 ,得到相应的反对称小波空间滤波器响应系数 ,用于解决不同目标的检测问题。分别给出了有关Gaussian反对称小波的 5组空间滤波器响应系数 ,对于研究遥感影像目标兴趣算子和多源遥感影像特征检测尤为重要。由于SAR影像中“speckles”是一乘性噪声 ,文中先对原SAR影像进行对数变换得到一同态影像。基于小波变换的软域值斑点噪声抑制既在一定程度上抑制斑点噪声又保持影像细节信息。通过对两SAR影像检测实验 ,表明给出的Gaussian反对称小波类在遥感影像特征检测中效果极佳。遥感影像中同时存在阶跃型和屋脊型边缘 ,可以采用反对称小波的极大模或过零点检测提取影像边缘特征 ,但得到的结果存在局部位置偏差。这一结论对于今后研究     

小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

数学形态学在遥感图像边缘检测中的应用

为有效提取边缘密度大的遥感图像中的边缘信息,本文提出了一种边缘检测的有效算法。该算法在数学形态学的基础上,针对图像中噪声和边缘形态的不同建立了多结构元素,利用灰度形态变换原理进行边缘提取,实验表明,与经典的边缘检测算子相比,该算法具有很好的边缘提取能力,但其抗噪能力较差,为此,笔者还探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

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。     

数字海图点群状特征的识别、量测与综合

空间分布特征的保持是点群自动综合的核心和难点所在,为此,本文定义了4个参量：分布范围、分布密度、分布中心和分布轴线,来描述点群目标的结构化信息。利用Delaunay三角网和Voronoi图两种模型,着重探讨了点群分布特征的识别和量测问题,并在识别与量测的基础上,通过Voronoi图的动态构建,给出了点群自动综合模型,通过实际岛群数据的检测,证明了模型的正确性与可行性。     

数学形态学在遥感图像边缘检测中的应用

为有效提取边缘密度大的遥感图像中的边缘信息，提出一种边缘检测的有效算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立多结构元素，利用灰度形态变换原理进行边缘提取。实验表明，与经典的边缘检测算子相比，该算法具有很好的边缘提取能力，但抗噪能力较差。为此，笔者还探讨性地提出基于小波变换和数学形态学相结合的边缘提取方法。