基于高分辨率遥感影像的耕地地块提取方法研究

针对耕地地块提取问题,提出了一种基于图像分割的耕地地块提取新方法。该方法以高分辨率遥感影像为基础,借助于边缘提取和数学形态学的方法,通过边缘检测、边缘闭合、区域标号和后处理四个步骤,提取耕地地块。该方法在IDL6.3平台下编程实现。将此方法应用于北京地区QuickBird多光谱遥感影像,结果表明此方法有较好的定位精度,又在一定程度上去除了噪声,具有较好的实用性。     

高分辨率遥感影像分割方法研究

在遥感应用分析中,遥感影像分割是低层影像处理和中高层影像分析和理解的桥梁,是实现遥感影像信息自动提取的关键步骤,具有重要的意义。随着大量高分辨率遥感影像的出现,传统基于像素的影像处理方法已不能适应高分辨率遥感影像。近年来,国内外研究者们提出了面向对象影像的分析方法,而面向对象影像分析方法的关键就是影像分割,影像分割精度直接影响着高分辨率遥感信息提取和目标识别的精度。首先给出一般图像分割方法的综述;然后分析和总结了当前主要的高分辨率遥感影像分割方法,着重阐述了均值漂移、分形网络进化、马尔科夫随机场等分割方法的特点和研究现状;最后,对高分辨率遥感应用分析中影像分割方法的发展趋势进行了讨论与展望。     

多尺度分割在中低分辨率遥感影像解译中的灵活应用

介绍了一种将像素级的分类与对象级分类相结合的遥感影像分类方法。该方法将面向对象的概念引入影像分类中。但与纯粹的基于对象的分类有所不同,这种分类方法仍然是以像素级分类为基础。这种分类方法既继承了像素级分类精细、准确的优势,又通过分割对象,增加了分类图斑的同质性,极大地改善了信噪比,使分类结果更清楚。     

基于多特征对象的高分辨率遥感影像分类方法及其应用

提出了基于多特征对象的高分辨率遥感影像分类方法，分析了该方法相对于基于像元的和单纯依靠光谱特征的传统处理方式所具有的优势，总结了该方法的特点，并给出了相关实验结果。实验表明，对于高分辨率遥感影像，基于多特征对象的分类技术能产生较好的结果。     

一种基于多尺度分割的遥感影像地物分类方法

面向对象分类方法能够解决基于像素分类方法带来的"椒盐噪声"缺点,并能利用分割单元构建对象特征空间,从而提高分类精度。常规的面向对象分类通常会设定经验或最优分割参数,在此基础上进行面向对象遥感影像分类。然而,不同地物具有不同最优分割参数,这样会导致地物分类精度不佳。因此,采用分割参数分级化思想,使用大、中、小尺度进行分阶段分割,首先对水域和浓密植被进行分类,然后再对其他地物进行细分,能够有效提高分类精度。通过对南京市Landsat-8卫星的OLI影像进行实验,试验证明,本方法在精度和分类效率上具有一定优势,在实际工作中可以提供借鉴。     

基于区间二型模糊理论的高分辨率遥感影像分割方法研究

影像分割是遥感影像处理(如特征提取、目标辨识、地物目标分类)的基础工作和重要任务。高分辨率遥感影像所具有的更加丰富的地表覆盖细节信息为精准地物目标分割提供了充分的依据。然而,更加精细的空间尺度、复杂多样的地物目标及真实地表覆盖信息的缺乏,增加了像素类属的不确定性和分割决策的不确定性,给高分辨率遥感影像分割带来了新问题,导致高分辨率遥感影像应用传统的影像分割方法得到的分割结果精度并没有随着分辨率的提高而得到显著提高。有鉴于此,本文以处理高分辨率遥感影像像素类属不确定性、分割决策不确定性及充分合理建模同质区域光谱测度分布模型为目标,提出基于区间二型模糊理论的影像建模与分割这一科学问题,并对其展开系统的理论与实践研究,以实现精度高、可靠性强的高分辨率遥感影像分割。     

基于Gabor纹理描述的遥感影像分割

本文引入了在不同影像层次上的Gabor纹理特征,采用分裂-合并加智能像素精致的方法,实现遥感影像的非监督分割。实验结果表明采用Gabor滤波器为基础的多分辨率分析来描述高分辨率遥感影像的纹理特征,可以明显地描述影像的高、低频特征,并且基于Gabor纹理特征进行遥感影像的分割是有效的;将本文方法的分割结果与经典的eCognition分割结果进行了对比试验,表明本文方法的分割结果较好。     

基于分水岭和多尺度分割方法的耕地信息提取

在探讨了分水岭和多尺度相结合的影像分割方法的基础上,研究了高分辨率影像耕地的信息分类以及分类精度评定;重点对影像分类精度进行了分析,在影像分类的过程中,分别采用基于像素的分类方法和基于对象的分类方法,实验结果表明基于对象的耕地分类方法精度远高于传统的分类方法。     

多尺度分割的高分辨率遥感影像变化检测

针对高空间分辨率的遥感影像,提出了一种基于多尺度分割的变化检测算法。采用Mean-Shift分割算法对影像进行多尺度分割,构建了不同尺度上的地理对象,以不同尺度上的地理对象灰度均值构建了变化检测的多尺度特征向量,采用变化矢量分析法获得最后的变化检测结果。以城镇区和农田区的Quick Bird影像对本文算法进行了检验,从精度评价的效果来看,无论城镇区还是农田区,采用面向对象的变化检测方法精度都高于基于单像素的检测方法,且当尺度层数固定时,多尺度组合的变化检测结果优于单一尺度的变化检测结果,对城镇、农田区域的变化检测的精度分别达到87.57%和81.55%。本文算法既可以顾及大面积同质区域变化,又可以反映小的地物目标及边缘部分的变化,能够很好地满足城镇、农田等不同环境背景下的变化检测需求,在国土资源监测中具有一定的应用价值。     

基于最小生成树的高分辨率遥感影像层次化分割方法研究EI北大核心CSCD

在更精细的空间尺度下,高分遥感影像呈现更丰富的地物细节信息,信息内容的复杂性、空间性和海量性等特征,给传统遥感影像分割方法带来挑战。针对这些挑战,寻求一种更有效的分割模型和并行化的处理方法是有效提高大尺度高分遥感影像分割精度和处理效率的关键。为此,论文提出基于最小生成树的高分遥感影像层次化分割方法及其并行化重构。前者利用层次化最小生成树模型实现影像复杂场景信息的有效刻画,在此基础上利用区域化模糊聚类模型构建层次化分割模型。后者基于子块切分的并行划分和并行模糊聚类分割方法,实现大尺度高分遥感影像的快速、有效分割。论文的主要工作如下。     

基于影像的多湖地区水面边线采集算法研究

以色调简单、边线崎岖的湖泊群为研究对象,从成像色泽这一维度对水域面进行离析,运用相关算法采集水面边线,减少了简单手工劳动,实现了真正的人力节省。     

基于有效区域自动判断的多幅遥感图像镶嵌方法

针对目前遥感图像镶嵌中存在的自动化程度低、接缝线去除效果差等问题,从有效区域出发对现有镶嵌技术进行改进。采用自动追踪法得到图像的有效区域,在此基础上进行多幅遥感图像镶嵌处理:在几何拼接阶段,用有效区域代替原始矩形图像参与图像拼接;在拼接缝消除阶段,用有效区域确定两幅图像的拼接线,采取整体色调调整和重叠区加权两个步骤消除接缝线;在多幅图像镶嵌时,对两幅待镶嵌图像的有效区域求并集,即是结果图像的有效区域,参与下一次的镶嵌计算。通过两组多幅遥感图像的镶嵌实验表明,该技术流程可以实现全自动的多幅图像匀光,处理后图像整体色调一致,不存在明显接缝线。     

基于直线和区域特征的遥感影像线状目标检测

针对高分辨率航空遥感影像中线状目标的特点,提出一种结合区域和直线特征识别线状目标的方法。在基于标记点分水岭变换进行初始分割的基础上,利用关于目标的知识和区域邻接图(RAG)对感兴趣区域进行合并,得到最终检测结果。实验结果表明,本文方法可以有效地从遥感影像中提取线状目标。     

高空间分辨率遥感影像的多智能体分割方法研究

提出一种基于多智能体的高空间分辨率遥感影像分割算法(high spatial resolution remote sensing image segmentation algorithm based on multi-agent theory,MARSS).该方法在区域合并中结合了影像的光谱信息和形状信息,同时利用多智能体与图像环境交互性强,灵活性高,具有并行运算的优点,通过多个智能体控制不同区域的合并过程,能够使分割算法的全局合并控制更加优化.试验结果表明,该算法的分割效果要优于分形网络演化算法(FNEA).     

双模态脉冲耦合神经网络高分辨率光学卫星影像分割

针对应用PCNN分割高空间分辨率光学卫星影像存在的问题,提出一种双模态PCNN算法。利用北京地区QuickBird影像进行实验,结果表明,该算法能够弱化影像目标内部灰度变化信息对结果的影响,并能提取影像目标几何结构特征信息,为高空间分辨率光学卫星影像分割提供了一种新方法。     

基于吸引子的图像分割新方法的研究

提出了一个“边界点”的新概念,并引用正态分布中大于3倍标准差的事件为小概率事件,作为图像分割中边界点“捡起”或“卸下”的依据。与其他方法相比,能使“捡起”、“卸下”的决策计算大大简化。通过对两幅航空影像的分割实验表明,新方法的分割效果是好的,是一个很有实用潜力的图像分割方法。     

基于并行预分割的高分辨率遥感影像多尺度分割

分析高分辨率影像多尺度并行分割过程中数据分块间会产生“分隔线”的问题,发展了一种基于并行预分割的多尺度分割方法避免了“分割线”的产生,消除了其所带来的种种问题。实验结果表明：通过合理的阈值设置,并行预分割所得到的影像对象基本准确,最终分割也取得了较为理想的结果;且对于多种尺寸的遥感影像,基于并行预分割的影像分割过程相对于并行算法实施之前,效率都有了显著提升。     

基于时刻独立脉冲耦合神经网络的高空间分辨率摇感影像分割

高空间分辨率遥感影像中地物目标内部光谱信息复杂性的增强,使得传统基于光谱特征值的数据处理方法效果不再显著,影像分割为解决这一问题提供了一种思路,成为当前高空间分辨率遥感影像处理的研究焦点.时刻独立脉冲耦合神经网络具有状态相近、空间相邻神经元相互耦合同步脉冲激发和区域之间神经元脉冲激发时刻独立两大特点,已被应用于非遥感影像分割中,并取得较好效果.本文结合高空间分辨率遥感影像特点,通过对网络参数进行实验和分析,提出一个基于时刻独立脉冲耦合神经网络的高空间分辨率遥感影像分割方法,并利用空间分辨率0.3m的航空影像进行了数据试验,将分割结果进行讨论并与现有时刻独立脉冲耦合神经网络方法和ISODATA方法分割结果进行对比分析.结果表明:时刻独立脉冲耦合神经网络在高空间分辨率遥感影像分割处理中具有很好的应用前景.     

基于图论的图像分割方法及其局限性研究

本文研究基于图论的图像分割方法及其局限性。以图论为工具研究图像分割问题的成果已有不少报道,对其局限性的研究将有利于将概率网络的研究成果应用于图像分割及其它图像问题,这其间图论方法既是桥梁,也是一个广阔的应用领域,它在图像分割问题和概率论的传统方法之间重新建立了一个充满可能的研究空间。     

Cognitive Agent在图像分割中应用的研究

在介绍了Cognitive Agent(CogAg)来源和特点的基础上,阐述CogAg图像分割的原理和方法。这种方法中供CogAg搜索的环境是数字图像,这个环境(又称Artifact)中每个像元为CogAg提供用于分割的4个特征信息局部平均灰度、局部标准差、局部能量和局部分形维,这些信息提供CogAg思考、推理、决策选择同质像元。经实际航空影像分割的实验和对比,CogAg图像分割方法是很有应用前景的方法。