基于错误式学习的低空影像人行横道多角度自动识别

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。     

一种高分辨率SAR影像道路提取方法

针对高分辨率SAR影像中细节信息损坏道路的面特征结构、影响道路提取,基于影像统计特征,给出一种结合区域生长和细节信息识别的道路提取方法。该方法通过区域生长提取呈现面特征的暗目标(道路框架),利用CFAR算法识别细节,通过形态学融合得到最终结果。为降低高分辨率影像区域异质性对提取结果影响,提出了一种自适应CFAR算法,相比之前算法可自适应删除干扰点;并引入有效表征影像统计的GA0分布。利用海南省陵水黎族自治县机载X波段高分辨率SAR数据的幅度影像进行实验,结果表明,该方法能有效提取呈面特征的道路,获得准确的道路宽度和中心线信息。     

基于相干矩阵完全分解的PolSAR图像分解

目前,基于散射模型的非相干分解主要存在两个问题:一是忽略交叉极化信息导致体散射功率过高;二是未遵循非负特征值分解。因此,本文提出了基于相干矩阵完全分解的PolSAR分解方法。一是在非反射对称下进行极化分解,考虑交叉极化相位信息,将相干矩阵中的9个参数全部用于散射功率计算。二是将非负特征值约束引用到体散射参数的计算上。实验结果表明,城区的偶次散射功率值明显提高,森林部分体散射功率得到抑制。     

基于区域特征的航拍图像水上桥梁自动识别

针对航拍图像中水上桥梁目标的自动识别问题,提出了基于区域特征的水上桥梁自动识别算法。首先对航拍图像进行基于梯度均方差的图像二值化;再进行基于像素密度的二值图像去噪;然后进行基于像素的二值图像连通区域标记,区域标记算法采用6邻域连通规则进行标识,能够有效获取水域的区域特征;最后进行桥梁的精确提取。实验结果表明,该算法能够有效地识别低对比度、低空侧拍等复杂航拍图像中的水上桥梁目标。     

高分遥感影像城市绿地自动提取方法

城市绿地作为城市生态系统中不可缺少的一部分,也是城市建设中必须考虑的因素之一,如何更有效地得到城市绿地的分布状况对城市的建设有着深刻的意义.高分辨率遥感影像如今已经成为城市绿地调查的重要数据.为了探究最适用于高分影像中城市绿地自动提取的方法,以南京市某区域为例,以高分二号高分辨率影像为数据源,分别使用了监督分类、利用归...     

基于GMRF-SVM的高分辨率遥感影像目标区域划分方法

高分辨率遥感影像数据量大、细节丰富并呈现出一定的尺度依赖性,单一尺度遥感影像分割难以同时兼顾影像的宏观和微观特征,这成为制约遥感信息自动化提取技术发展的瓶颈之一。对此本文提出了基于特征的多尺度高分辨率遥感信息提取技术框架,并分析了其对于大尺度海量数据信息提取与目标识别工作具有的理论及实践意义。根据影像光谱或纹理等特征,提出采用GMRF-SVM方法在大尺度上进行分类的目标区域划分方法。从大尺度信息提取的角度来看,该方法综合了GMRF纹理分类和SVM少量样本模式识别的优势,便于先验知识的融合,无论从花费时间还是分类处理效果上,都远远优于直接采用GMRF进行分割所取得的效果,对于后面的信息提取和目标识别来说更具有实际意义。     

基于形状与纹理特征的高分辨率SAR影像桥梁目标自动提取方法

基于高分辨率SAR影像中桥梁目标特征的分析,提出了一种桥梁目标自动提取方法。首先使用多影像时序平均法对SAR影像进行预处理,去除SAR影像噪声;再使用阈值法对水体分割;最后采用形状特征与纹理特征相结合的方法提取桥梁目标。本方法在提取效果上明显优于传统桥梁目标提取方法,其提取准确率可达87.5%。证明本文方法在面向高分辨率雷达影像的桥梁目标自动提取应用上的可靠性和可行性。     

一种改进的CFAR船只探测方法

提出了一种改进的CFAR船只探测算法。该方法采用PNN模型来估计海面雷达后向散射的概率分布模型,利用CFAR技术来确定整体阈值,采用基于交叉验证技术的黄金分割搜索法估算高斯分布的形状参数,使用区域生长法去除虚警。使用Radarsat图像对该方法进行了检验,并与改进前的算法进行了比较,结果显示该文的探测算法在探测精度和探测速度上均明显优于改进前的算法。     

高分辨率遥感影像上基于形状特征的船舶提取

由于高分辨率遥感影像上靠岸船舶的灰度、纹理特征往往和港口地面接近,与离岸船舶相比,其自动提取与识别相对更为困难,为此,为离岸、靠岸船舶的提取设计了不同方案。实验证明了方法的有效性。     

基于P-N学习的高分遥感影像道路半自动提取方法

基于模板匹配的道路跟踪是半自动提取道路的主要方法。然而场景中地物干扰和道路宽度的变化降低了模板匹配的稳定性;另外,道路跟踪失败后缺乏重检测机制,使得道路提取过程中人机交互频繁。针对以上问题,提出了一种基于P-N（positive-negative）学习的高分遥感影像道路半自动提取方法。该方法由道路跟踪、检测和学习构成,关键是采用了P-N学习的策略迭代的训练分类器,通过纠正违反结构约束的样本分类结果来提高分类器性能。实验使用了不同场景下的城区高分遥感影像,与经典的模板匹配和在线学习的道路跟踪方法进行了比较。实验结果表明该方法在道路提取的精度和稳定性方面均有提升。     

高分辨率SAR图像中的桥梁识别方法研究

根据高分辨率SAR图像中桥梁目标的特点提出了一种新的桥梁识别算法,主要由水体分割、感兴趣区域确定和桥梁识别三个步骤实现。通过直方图均衡,方便了分割阈值的选取;通过数据采样,提高了识别的有效性;通过目标特征的抽取,保证了识别结果的准确性。识别过程在初级处理中,利用快速算法得到感兴趣区域;在后续处理中利用目标特征对该区域内的潜在目标进行识别,取得了良好的效果。     

基于RFM的高分辨率卫星遥感影像自动匹配研究

摘　要：提出一种基于有理多项式模型（RFM）进行高分辨率卫星遥感影像自动匹配的方法。首先利用RFM进行高分辨率卫星影像直接定位和同名点预测;然后基于投影轨迹建立近似核线方程,并分析了核线精度;接着采用金字塔影像策略进行核线约束的近似一维影像匹配,并经最小二乘影像匹配精化匹配结果;最后采用RANSAC算法剔除误匹配点以获取最终的匹配结果。通过与二维灰度相关方法和SIFT匹配方法的比较试验,证明本文方法可靠性好、匹配成功率高,较好地解决了多时相、大姿态角高分辨率卫星遥感影像的自动匹配难题。     

利用规则集进行高分辨率遥感影像道路自动判读

高清卫星遥感成像技术的快速发展,为城市管理发展提供了海量多源数据。为更好地服务于城市发展管理各个方面,基于高分辨率遥感影像的高自动化判读和特征地物信息提取已成为需迫切解决的应用瓶颈。本文将道路的分类、光谱、主辅线、拓扑关系、场景等信息结合,建立对应的对象特征规则集,通过运用ENVI软件对湖南省长沙市某试验区高分辨率遥感卫星影像图进行了道路判读处理。经与遥感影像对照分析可知,所获得的道路判读结果,具有很好的可靠性,表明基于对象特征的规则集分类方法是一种适应性强、效率高的方法。     

一种高分辨率遥感影像建筑物自动检测方法

高分辨率遥感影像具有丰富的空间信息、地物几何结构和纹理信息,有助于对地物目标进行认知和解译。而建筑物目标在人类活动区域内占据重要地位,对高分辨率遥感影像中的建筑物进行自动检测具有重大意义。提出了一种基于全卷积神经网络的建筑物自动检测方法,并制作了建筑物样本数据集,利用基于区域的全卷积神经网络和特征检测网络进行建筑物检测模型的参数训练,对待检测影像进行预处理之后利用模型进行建筑物检测,得到影像中的建筑物目标的具体位置和类别置信度。实验证明,提出的检测方法具有更好的效果和更快的速度。检测召回率达到92%,检测准确率达到98%,证明了该方法针对建筑物检测具有较高的精度和较强的稳定性。     

基于核PCA方法的高分辨率遥感图像自动解译

针对基于像元的高分辨率遥感图像自动解译存在的缺点,提出一种分三步走的高分辨率遥感图像自动解译技术流程:首先采用核PCA进行特征提取,然后采用支持向量机(Support Vector Machine,SVM)进行分类,最后采用择多滤波器进行分类后处理。通过对覆盖西藏山南地区的IKONOS图像的解译实验表明,本文方法能够有效地实现遥感图像自动解译,其结果与人工目视解译图基本一致,取得了理想的效果。     

基于图割模型的高分全色影像自动云检测

针对高分全色卫星影像场景复杂、波段单一、波谱范围有限的特点,提出了一种基于图割模型的自动云检测方法。该方法首先通过亮度双阈值和Gabor纹理特征将影像分为云区、非云区和不确定区域;再计算像素点的能量项和平滑项;然后通过图割模型确定不确定区域像素点的类别,从而检测出精确的云区。结果表明,该方法能有效检测高分全色影像上的云区范围,且无需人工干预,可满足自动化生产需求。     

城郊高分影像中利用阴影的建筑物自动提取

提出了一种充分利用阴影实现自动分类与后处理相结合的建筑物自动提取方法:首先根据阴影和植被自动检测结果并选定裸地样本确定预分类CMap图,并设计了基于偏移阴影分析的建筑物样本自动提取方法,结合支持向量机（support vector machines,SVM）分类模型将影像分为阴影、植被、建筑物、裸地4大类以提取建筑物初始结果;通过形态学处理提升区域完整性,区域增长补充漏检区域,利用设计的相交边界阴影比率筛除无阴影的非建筑物等措施,进行后处理优化获取最终结果。实验表明,充分利用阴影信息,不仅能准确、全面地获取各类样本,保证分类精度,与后处理优化策略紧密结合,大幅度提高了正确率和完整度;并且自动化程度得到有效提高,更适用于城郊区域建筑物的提取。     

面向对象的高分辨率遥感影像道路损毁识别研究

道路损毁信息的在灾后高效救援中发挥着重要作用。本文针对高分辨率遥感影像空间特征丰富、光谱分辨率低的特点,基于面向对象遥感影像分类方法,采用eCognition软件对芦山震后0.2m航空遥感影像进行道路损毁信息的提取实验。实验中结合GIS信息,首先将基于现有的道路矢量线文件生成道路矢量面文件参与分割,生成单独的道路区域对象以用于进一步处理。分割采用棋盘分割和多尺度分割,根据损毁道路影像特征创建波段比值,使用Assign算法和模糊分类算法提取出道路线、植被、损毁区和未损毁区,并将结果输出为矢量文件。根据损毁区损毁对象的周长、面积与道路宽度的关系,建立判定条件来初步判定损毁类型。最终将损毁粗判定结果与损毁路段的目视解译结果对比分析,检验该方法的准确率及可行性。结果分析表明上述方法能有效地识别出高分辨率遥感影像损毁道路信息。     

高分辨率SAR影像道路交叉口自动提取方法

针对高分辨率SAR影像道路交叉口提取易受周围地物干扰的问题,设计了一种利用三角形检测模型提取道路交叉口的方法。该方法首先采取滤波与锐化消除道路交叉口区域噪声点并凸显道路边缘;接着根据灰度特征,通过形态学运算确定道路交叉口候选区域;最后在候选道路交叉口区域运用三角形检测模型,确认道路交叉口。使用3 m Tan DEM-X数据进行实验,结果证明算法对各种常见二维道路交叉口模型均有较好识别效果。