利用局部梯度最大值的半自动道路提取

针对目前测图中半自动道路提取的现状和不足,文章提出了一种基于局部梯度最大值的道路测图算法:根据人工输入的初始条件,将影像上局部梯度最大值点作为道路边缘兴趣点,利用基于局部梯度最大值点的边缘扩展算法建立道路跟踪模型,并将该算法应用到资源三号卫星(ZY3)应用系统三线阵数字线划图生产软件中半自动道路识别。针对资源三号卫星影像乡村道路实验表明,该方法操作简便、符合作业习惯,能实时进行半自动道路测图,降低了道路测图的工作强度,提高了道路边缘的定位精度和测图效率,具有较好的应用价值。     

图割能量驱动的高分辨率遥感影像震害损毁建筑物检测

为充分利用高分辨率遥感影像提供的细节信息,提高震害损毁建筑物检测精度,提出了一种图割框架下融合形状、边缘、角点等多种类型特征的损毁建筑物检测方法。该方法首先利用震前建筑物线划图提取包含单个建筑物的局部影像,用于图割能量函数建模,并分别根据建筑物的位置、形状、边缘以及角点构造能量函数的各约束项。在此基础上,通过最大流/最小割算法求解能量函数最小值,依据最小割能量进行地震前后局部影像中建筑物的相似性度量。最后利用最大期望算法(expectation maximization,EM)求得最小割能量的分类阈值,并根据错分率估值执行后处理以获得最终变化检测结果。采用2011年3月11日东日本大地震前后石卷港的高分辨率遥感影像进行试验,结果表明本文提出的方法能有效检测出损毁建筑物。     

基于视觉显著点特征的遥感影像检索方法

本文提出一种基于视觉显著点特征的遥感影像检索方法,首先采用SIFT算法提取遥感影像中的关键点及其特征,同时利用GBVS模型计算影像的显著图以分离影像显著区和背景,然后提取显著区内的关键点以构建视觉显著点特征,最后用其计算影像间的相似度并返回相似影像。实验表明,与传统检索算法相比,本文提出的算法能够有效提高影像查准率。     

结合显著图和深度学习的遥感影像飞机目标识别

为准确快速识别高分辨率遥感影像中的飞机目标,提出了一种结合显著图和深度置信网络(DBN)的飞机目标识别算法。本文首先使用HC(直方图对比度)算法提取遥感影像中的显著目标;然后通过定位连通区域确定候选目标的位置;随后提取候选目标的颜色矩、Hu不变矩、灰度共生矩阵、Tamura纹理特征和边缘方向直方图;最后将归一化后的多特征融合数据应用到深度置信网络进行目标识别。试验结果表明,本文算法的检测率为98.46%,虚警率为5.20%。算法从多种底层图像特征出发,有效克服了单一特征描述能力不足的问题,提高了飞机目标识别能力及抗干扰能力。     

一种新的高分辨率遥感图像道路提取方法

根据高分辨率遥感影像中道路宽度变化均匀、局部方向稳定等几何特征,提出了一种基于距离约束的高分辨率影像道路的提取方法。该方法根据图像相邻边缘像素间的距离值,依次提取道路边缘像素和道路曲线段,然后编组连接各个道路段,实现道路提取。     

异源遥感影像特征匹配的深度学习算法

针对异源遥感影像的成像模式、时相、分辨率等不同导致匹配困难的问题,提出了一种基于深度学习特征的匹配方法CMM-Net.首先,利用卷积神经网络提取异源遥感影像的高维特征图,根据同时满足通道最大和局部最大两种条件选取关键点,并在特征图上提取相应位置的512维描述符.在匹配阶段,完成快速最近邻搜索特征匹配后,为解决误匹配点多...     

基于Canny边缘检测思想的改进遥感影像道路提取方法

基于边缘特征的提取方法被广泛应用于遥感影像道路识别当中,针对传统方法抗噪性较差且易误判和漏判的缺点,基于Canny边缘检测思想,采用一种平滑尺度自适应的高斯滤波对遥感影像降噪,降低噪声干扰,同时保留了边缘细节。在进行双阈值的边缘判断环节根据像素点目标尺度范围内的局部特性选取高、低阈值,提高边缘的准确判断能力。实验结果表明,该方法能有效改善边缘检测的准确度和定位精度,提取的道路边缘误判明显减少,完整度和连续性显著增强,且自动化程度高。     

高分辨率遥感影像的建筑物轮廓信息提取方法

针对高分辨率遥感影像分割方法提取的建筑物边缘不准确和不规则等问题,提出了一种新的边缘轮廓信息提取方法:首先,通过一维Gabor滤波器获取建筑物的角度纹理特征,并结合光谱特征构造待分割的特征矢量,在运用高斯混合模型(Gaussian mixture model,GMM)构造图的基础上,利用图割法(graph cuts)获取建筑物候选点,经数学形态学处理得到建筑物斑块;然后,根据Radon变换检测建筑物主方向,构建最小二乘匹配模板,并利用该模板在建立的轮廓缓冲区内精确地提取建筑物拐角点;最后,连接拐角点,完成了轮廓信息的提取。采用合成图像和高分辨率遥感影像提取建筑物轮廓信息的实验证明了该方法的可行性。     

GVF Snake与显著特征相结合的高分辨率遥感图像道路提取

高分辨率遥感图像中的道路信息,对地理信息系统数据库的更新具有重要的意义。本文通过分析道路在遥感图像中所呈现的特性,提出了一种基于显著特征和GVF Snake的高分辨率遥感图像道路提取方法。该方法根据视觉认知理论将道路的几何特性和辐射特征作为显著特性。首先,通过融合颜色对比度和空间统计特征计算显著性图,并以输出的显著图的最大值作为GVF Snake的初始种子点;再利用区域生长法求出道路的初始边界,通过梯度矢量流模型的迭代求解,并最小化能量函数,实现道路信息的自动提取。试验结果表明,本文所提出的方法提高了不仅可以提高计算效率,还具有较好的检测精度。     

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。