复杂地形DSM的地面点识别及DEM提取

目前,基于数字地表模型(DSM)提取数字高程模型(DEM)的研究多以平坦地区为研究对象,且精度较低。本文提出了一种基于区域生长的DEM提取算法,该算法以区域生长算法为基础,采用最大类间方差法(OTSU)实现区域生长中种子点、生长准则和终止条件的自适应选择。该方法不仅可从平坦地区和地形复杂的山区的DSM中识别地面点和提取DEM,且能有效解决区域生长算法将地面和地面附着物(本文中地面附着物以高架道路为例)识别为同一类的问题。与附近最小值法进行试验对比,结果表明,本文算法能够较好地提高DEM提取精度,识别地面点的制图精度达90%以上,可靠性和稳定性较强。     

DEM地形复杂因子的确定及与地形描述精度的关系

以相邻地形单元正法向量的夹角作为判断准则,提出了地形复杂因子的概念,用来量化描述DEM地形复杂度,并推导出栅格DEM和不规则三角网DEM地形复杂因子的计算公式。利用高斯合成曲面模拟不同的栅格DEM地形,研究地形复杂因子ECF与平均高程-h对DEM地形描述精度RMSEEt的影响。利用线性回归方法对模拟结果进行统计分析,得到栅格DEM地形描述精度RMSEEt与地形复杂因子ECF和平均高程h-之间的线性关系。该结果可以根据地形复杂程度推算DEM地形描述精度,而且可为DEM生产和误差研究提供可靠的理论依据。     

DEM辅助的卫星光学遥感影像山体阴影检测与地形辐射校正

提出一种结合DEM的山体阴影检测与地形辐射校正方法。首先对卫星影像多波段信息用特征法进行阴影检测,然后结合DEM数据用模型法进行山体背阴面检测以及投影区域检测,将3个结果综合分析,按照形成原因将阴影检测结果分为8类,最后结合太阳入射角信息,利用信息匹配的阴影补偿法和地形辐射校正物理模型,进行卫星光学遥感影像辐射校正。试验证明该方法能恢复山体阴影区的信息,并且有效降低地形效应的影响。     

一种陆地卫星影像厚云阴影检测方法

针对现有的遥感影像厚云阴影监测方法存在过程复杂、精度不高等问题,该文提出一种TM影像厚云阴影检测方法:通过阈值分割提取影像中的所有阴影;对比一幅近时相的无云影像,分离出厚云的阴影,即云阴影为"有云"影像比"无云"影像多出的阴影;最后将提取结果与人机交互、云阴影增强模型法提取的结果进行对比分析。实验结果表明该方法提取精度较高,可以快速、准确地提取TM影像中的厚云阴影。     

关于地形复杂地区地形改正的FTT算法

大面积地形改正的快速计算,对现代大地测量实践具有重大意义,尤其是在那些地形复杂地区。本文通过理论分析选出了一种适于此类地区地形改正计算的FFT算法,并给出了用于实际计算的数学模型。试算结果表明,该模型用于特大山区能够获得与双三次样条棱柱算法精度相当的结果。     

一种基于点云提取微地形对象的方法

在分析微地形特点以及现有网格DEM在表述微地形中存在的不足的基础上,提出了面向对象的数字高程模型,给出了该模型的形式化描述和以点云为数据源构建面向对象数字高程模型过程中采用的对象边界的识别、特征保持的点云疏化、基于属性近似的网格约化及对象识别等关键步骤的方法。并以实例证明了此过程的可行性。     

分形地形复杂度研究

利用VC++6.0与OpenGL开发了1个地形分析程序,分别实现了2种地形复杂度描述方法.基于分形几何学的思想,对栅格DEM进行地形分析,得出的实验地区地表分维值,比传统地表粗糙度分析方法得出的地表粗糙度值能更好地表现地形变化的连续性和空间相关性.实验表明,地表分维值能够很好地反映地形变化特征,可作为栅格DEM地形复杂...     

水体上方云和云阴影检测算法

目前常见的云和云阴影检测主要针对陆地表面,而对于不同类型水体光谱特征对检测结果影响的研究较少.因此针对富含泥沙或者叶绿素的水体,利用云与水体的光谱差异,采用波段组合的方式来识别潜在云像元,提高薄云像元的识别精度;根据云阴影与不同类型水体的光谱特征差异,采用设定动态阈值的方法,准确识别云阴影.利用目视解译法对检测结果进行...     

面向海图综合的复杂海底地形区域识别

复杂海底地形区域识别是实现海图自动制图综合的必要环节。从服务海图水深注记选取的角度,提出一种面向海图制图综合的复杂海底地形区域自动识别方法。首先,对复杂海底地形的概念和主要特征进行了分析,据此提出了对应的地形特征量化参数;其次,通过对每个水深注记地形特征的度量,筛选出复杂地形特征水深注记;最后,利用聚类技术对提取的复杂地形特征水深注记进行群组划分,并提取出每个群组的边界多边形,从而得到每块复杂海底地形区域的范围。实验表明,各种复杂海底地形区域都能被有效识别,且识别结果与人工识别结果基本一致。     

基于地形区域分割的复杂地区遥感影像分类

提出了一种基于地形区域分割的分类方法,在影像中利用地形特征数据预先划分出每种地物的分布区域,然后以区域为基本单位对影像进行分类,同时利用DEM数据对影像进行地形校正,减小了同种地物内部由于地形起伏造成的光谱离散的现象。利用湖北西部山区的TM影像和DEM数据的试验证明,利用地形特征数据进行分割的分类方法与仅考虑光谱特征的分类方法相比较,分类精度有了明显的提高。     

利用阴影指数和方位搜索法检测Landsat 8 OLI影像中云影

Landsat 8 OLI影像已成为重要的数据源,但受云及云影的影响较大,降低了数据的可用性,因此,快速识别云及云影,为后续的数据恢复有着积极的应用价值。通过构建云指数(CI)、归一化暗像元指数(NDPI)和比值阴影指数(RSI),采用阈值法和方位角搜索法,以两景Landsat 8 OLI影像(一景试验影像,另一景验证影像)为例进行云及云影检测。每类随机选取200个样点进行精度分析,结果表明:CI可快速区分OLI影像中的云区与非云区,厚云样本点正确识别率达到99%;NDPI与归一化植被指数(NDVI)构建的比值阴影指数RSI放大了水体、云影与其他阴影间的差异,更便于区分;方位搜索合理设置搜索方位角和搜索距离,简化了云影与云的相对关系模型,可准确区分水体与云影,两者的正确识别率都超过93%,弥补了阈值法的局限性。本方法可行快捷,为OLI影像的后续应用提供了基础,可有效提高其利用精度。     

一种多尺度几何细节抽取的阴影处理算法

从高分辨率航空遥感影像的阴影处理角度出发,分析了阴影区域在彩色空间上的特征;采用HIS彩色空间3个通道的联合阈值测度进行阴影检测,并利用高斯函数进行地物纹理几何细节的多尺度抽取,提出了针对影像灰度图的阴影补偿方法。实验证明,该方法能够在最大限度保留阴影区域原始特征的前提下,对阴影区域信息进行补偿,保证了影像后续处理的准确度和可靠性。     

A shadow- eliminated vegetation index (SEVI) for removal of self and cast shadow effects on vegetation in rugged terrains

ABSTRACT

The effect of terrain shadow, including the self and cast shadows, is one of the main obstacles for accurate retrieval of vegetation parameters by remote sensing in rugged terrains. A shadow- eliminated vegetation index (SEVI) was developed, which was computed from only red and near-infrared top-of-atmosphere reflectance without other heterogeneous data and topographic correction. After introduction of the conceptual model and feature analysis of conventional wavebands, the SEVI was constructed by ratio vegetation index (RVI), shadow vegetation index (SVI) and adjustment factor (f (Δ)). Then three methods were used to validate the SEVI accuracy in elimination of terrain shadow effects, including relative error analysis, correlation analysis between the cosine of solar incidence angle (cosi) and vegetation indices, and comparison analysis between SEVI and conventional vegetation indices with topographic correction. The validation results based on 532 samples showed that the SEVI relative errors for self and cast shadows were 4.32% and 1.51% respectively. The coefficient of determination between cosi and SEVI was only 0.032 and the coefficient of variation (std/mean) for SEVI was 12.59%. The results indicate that the proposed SEVI effectively eliminated the effect of terrain shadows and achieved similar or better results than conventional vegetation indices with topographic correction.     

多光谱遥感影像中云影区域的检测与修复

提出了一种有效针对多光谱遥感影像的云影检测与阴影区域修复方法。基于同一地区时相相近的两幅影像,充分利用碎云及阴影的光谱特性分别对云影区域进行融合增强,然后采用Otsu算法求解最佳阈值自动检测出云及阴影区域,根据云影的出现会引起两幅影像局部相应区域明显的亮度变化,可排除亮地物和水体的影响,建立归一化的云影密度图,在此基础上,采用线性加权组合与光谱直方图匹配相结合的方法对其加以修复,利用SPOT 4影像进行的实验表明其修复效果完全能够满足应用需要。     

Landsat TM遥感影像中厚云和阴影去除

提出了一种新的利用多时相Landsat TM影像数据进行的厚云及其阴影去除的方法。该方法通过分析厚云及其阴影的光谱特征, 设计了厚云和云阴影识别模型。该算法的实现是采用图像配准技术、非监督分类、像元替换等运算, 计算出厚云和云阴影区域的TM影像替换数据, 进而得到消除或者减少云影响的TM遥感影像。试验结果表明本文提出的厚云及其阴影去除方法效果很好, 能消除或者弱化云对TM影像数据的影响。     

分段能量函数优化的复杂场景点云滤波

为了提高复杂场景点云滤波的精度与效率,该文提出一种基于分段能量函数优化的滤波方法。剔除噪声并将点云格网化,设计分段能量函数,利用能量最小化求取每个格网对应的地面高程。若格网内最低点高程与该高程值差距在量化误差范围内,则将该点设为地面种子点。根据种子点构造狄洛尼三角网,取与其距离在阈值范围内的点为地面点。通过多种地形场景下的点云滤波实验验证,滤波的总体误差为3%,低于gLiDAR,且具有参数设置简单、同时兼顾精度与效率的优势。     

引入改进Snake模型的黄土地形沟沿线连接算法

提出了一种利用坡面汇流改进的Snake模型实现黄土地貌沟沿线栅格点自动连接的新方法。该方法基于高分辨率DEM数据,利用正负地形边界处坡度转折特征,识别沟沿线点,进而用坡面汇流方向场改进了Snake模型中的梯度矢量流场,指引分水线缓冲曲线向沟沿线点蠕移,达到有序连接沟沿线点从而实现正、负地形的自动分割的目的。对比实验结果表明,该方法所识别的黄土沟沿线较好地逼近真实的地形特征。     

基于LiDAR点云的复杂钢结构模型重建

传统的基于全站仪等单点测量技术难以获取钢结构整体信息,且测量速度慢、模型重建精度低。针对此问题,本文将三维激光扫描技术应用于钢结构模型重建领域,提出了基于LiDAR点云的复杂钢结构模型重建方法。首先,基于标靶球和钢结构面信息实现多测站点云的高精度配准,并通过半径滤波算法去除噪点,以得到完整的激光点云数据;然后,对复杂钢结构单体模型进行分割,以实现各个部件的模型重建;最后,根据现场实测数据对重建的三维模型进行精度评估。试验结果表明,基于该方法得到的模型精度较高,与实际尺寸差值均小于1 cm,为复杂钢结构的三维模型重建提供了有效解决方案。     

基于密集匹配点云的DEM生产可行性研究

无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息,对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。