图像边缘信息分析中数学形态学的应用方法

在讨论和分析形态学用于多值灰度图像的原理和几种基本运算基础上，提出了应用数学形态学进行图像边缘增强和提取的原理和方法，介绍了相应结构元的构成方法及试验效果。     

基于对比度增强和形态学的遥感影像道路提取

提出了一种基于对比度增强和形态学的遥感影像道路边界与特征点提取的方法。先对遥感影像进行对比度变换增强,通过对比分析直方图均衡化和对比度分段线性增强两种方法获取的增强影像,选取区分度大的分段线性增强方法进行影像增强,然后运用数学形态法进行影像分割,实现道路和其他图像信息的有效分离。利用Krisch算子进行边缘检测提取道路的边缘信息,并基于边缘特征利用改进的Harris算子提取特征点,将提取的特征点进行拟合并用函数模型描述图像道路信息,用于后期制图中道路信息的矢量化。     

任意方向对称差值核的SAR图像边缘提取算法

由于现有边缘检测方法多存在对图像噪声的敏感性以及检测边缘的有限方向性等问题,因此在斑点噪声的影响下难以有效检测SAR图像中具有任意方向性且强度相近的区域间边缘。本文提出了一种任意方向对称窗口的SAR图像边缘提取算法。首先,以任意像素在图像中的格点位置为对称中心构建任意方向上的对称窗口;定义各窗口内像素到中心像素距离的核函数;以像素核函数为权重分别计算两对称窗口内像素光谱测度的加权平均值,并定义两者之差的绝对值为该方向上该像素隶属边缘的强度;选取所有方向中最大边缘强度作为边缘像素的判别标准。为去除错误提取的边缘像素,设计基于滤波操作的后处理过程。对模拟图像提取结果的定性及定量分析表明提出算法可在一定程度上克服噪声影响,较为准确地提取任意方向的边缘。     

基于向量场模型的多光谱遥感图像多尺度边缘检测

提出一种基于向量场模型的多光谱图像多尺度边缘检测算法,并在算法中引入两种梯度方向量化邻域模型。首先,对多光谱图像进行二进小波变换,得到每个波段图像在不同尺度上的细节系数,然后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,选择适宜的邻域模型对梯度方向进行量化,最后沿量化后的方向获取由细到粗的多层次边缘信息。对QuickBird多光谱图像上农田、厂房等地物进行多尺度边缘提取,定性分析了图像分辨率大小与地物尺寸关系在不同尺度边缘信息的表征;利用F测度,定量评价了检测结果的边缘准确度。与传统算子检测结果对比表明,利用向量场模型综合了所有波段的边缘信息,减少了多波段图像边缘信息的不一致性,引入的量化邻域模型能够有效地获取完整的多尺度边缘点。     

一种基于机载LiDAR点云的林间道路提取方法

基于林间道路的形态特征和支持向量机原理(SVM),提出一种从机载LiDAR点云数据中提取林间道路的方法。首先,选取末次回波去噪、栅格化,生成数字表面模型(DSM)和强度信息模型(DIM);然后,通过支持向量机对坡度信息进行分类,得到道路潜在区域;再对道路潜在区域进行强度信息的分类,得到含有少量噪声的初始道路区域;最后,利用形态参数对初始道路区域进行去噪、精化,得出最终道路区域。实验证明,该方法能较好地提取出道路区域。     

基于SURF特征区域的鲁棒水印算法

针对遥感影像的安全保护,提出了一种基于SURF特征区域的鲁棒水印算法。首先在影像中检测SURF特征点,选取鲁棒性强的点构造互不重叠的特征区域并进行归一化处理,进而对归一化的区域实施整数小波变换,根据生成的模板选取相应位置的系数,最后通过量化的方式将水印信息重复嵌入到每个特征区域内。水印的检测可直接在攻击后的影像中进行,无需校正恢复,实现了盲提取。采用边缘像素替换的策略来保证影像的数据精度,不影响遥感影像的使用。实验表明,该算法具有良好的不可见性,且对常规攻击和几何攻击均具有较强的鲁棒性,可有效保护遥感影像的安全。     

特征级高分辨率遥感图像快速自动配准

随着遥感图像分辨率的日益提高,遥感图像的尺寸和数据量也不断地增大,同时随着遥感应用的发展,对图像配准的性能也提出越来越高的要求,基于此,提出一种特征级高分辨率遥感图像快速自动配准方法。首先,对图像进行Haar小波变换,基于小波变换后的近似图像进行配准以提高配准速度;其次,根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子,SAR图像使用Ratio Of Averages算子),并将线特征转化为点特征;然后,依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对;最后,利用改进的随机抽样一致性算法滤除错误匹配点对,并结合分块思想均匀选取匹配点对计算仿射变换参数,进一步提高配准精度。为了验证本文方法的有效性,选择高分辨率World View-2图像、Pleiades图像和Terra SAR图像进行了实验,并与典型的SIFT算法、SURF算法进行比较分析,采用匹配率、匹配效率、均方根误差和时间消耗4个定量评价指标来客观评价算法的配准性能。实验结果表明,本文方法具有较好的有效性,且在不同的情况下具有较高的配准精度。本文提出的特征级高分辨率遥感图像快速自动配准方法,多组高分辨率遥感图像数据的配准实验结果表明该方法能快速实现并具有较高的配准精度和较好的鲁棒性。     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

一种基于极值检测与自适应滤波的图像去噪算法

标准中值滤波及其一些改进算法对于被低密度脉冲噪声污染图像的处理可取得令人满意的效果,图像被严重污染时,这些算法得到的结果均不理想。针对这一缺陷,基于文献[1]提出的一种滤波算法进行改进。首先,利用极值法对图像进行检测,判断出噪声及非噪声点;其次,设置滤波模板的最小及最大尺寸,对噪声点进行窗口逐渐增大的滤波处理。计算机模拟实验结果及对SAR图像滤波结果表明:该滤波算法在噪声去除及边缘和图像细节保持上优于标准中值滤波及其一些改进算法。     

多光谱遥感影像阴影提取

以资源三号卫星多光谱影像为研究数据,通过近红外波段进行阈值分割,得到含有水体及噪声的阴影区域;然后,对初次分割结果在其余波段进行二次分割达到剔除噪声和提取阴影区域的目的;之后对原始影像进行边缘检测与提取,结果与阈值提取结果进行叠合,通过膨胀或腐蚀对阴影提取结果进行修正;最后,得到较好的阴影提取效果。