高分辨率航空影像中斑马线的识别与重建

提出了一种利用高分辨率航空影像自动识别与重建斑马线的方法。文中利用基于灰度共生矩阵（cray level co-occurrence matrix,GLCM）和二维Gabor滤波器特征的JointBoost分类器来提取斑马线,并依据斑马线在空间几何上的重复性规则对斑马线建立参数模型。最后结合一些具有代表性的实验数据（如阴影、遮挡和模糊等）来验证本文所提出的方法在斑马线的识别与重建中的有效性。     

高分辨率遥感影像零星植被的自动提取

针对零星植被面积较小,分布零散,边界模糊,像元混合严重导致特征相对不足的问题,基于视觉注意理论,提出了零星植被的分类新特征,并结合FART理论提出了自动提取零星植被的方法。分别选取高分辨率真彩色和近红外的零星植被图像数据进行实验,并与易康面向对象方法的结果进行了对比。实验结果证明,该方法对于零星植被的提取精度更高,适用范围更广,特别是对于真彩色影像,具有较大优势。     

Pleiades高分辨率卫星影像道路提取技术

遥感影像上的道路提取是摄影测量与计算机视觉研究的一项重要内容,本文设计了一种高分辨率卫星影像道路提取方法,首先,利用Canny边缘提取算子提取左影像上的边缘,并利用霍夫变换对线特征进行检测,根据道路的几何特性检测平行直线,再基于影像匹配方法匹配立体像对上的道路;然后,利用卫星影像RPC参数前方交会原理实现道路的几何定位。利用Pleiades卫星影像开展试验,自动提取的道路与人工采集的道路几何定位误差在1个像素以内,试验结果验证了本文方法的有效性。     

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。     

Automatic Extraction of Power Lines From Aerial Images

There has been little investigation for the automatic extraction of power lines from aerial images due to the low resolution of aerial images in the past decades. With increasing aerial photogrammetric technology and sensor technology, it is possible for photogrammetrists to monitor the status of power lines. This letter analyzes the property of imaged power lines and presents an algorithm to automatically extract the power line from aerial images acquired by an aerial digital camera onboard a helicopter. This algorithm first uses a Radon transform to extract line segments of the power line, then uses the grouping method to link each segment, and finally applies the Kalman filter technology to connect the segments into an entire line. We compared our algorithm with the line mask detector method and the ratio line detector, and evaluated their performances. The experimental results demonstrated that our algorithm can successfully extract the power lines from aerial images regardless of background complexity. This presented method has successfully been applied in China National 863 project for power line surveillance, 3-D reconstruction, and modeling.     

Semi Automatic Road Extraction by Fusion of High Resolution Optical and Radar Images

Two new methods for fusion of high-resolution optical and radar satellite images have been proposed to extract roads in high quality in this paper. Two fusion methods, including neural network and knowledge-based fusion are introduced. The first proposed method consists of two stages: (i) separate road detection using each dataset and (ii) fusion of the results obtained using a neural network. In this method, the neural networks are separately applied on high-resolution IKONOS and TerraSAR-X images for road detection, using a variety of texture parameters. The outputs of two neural networks, as well as the spectral features of optical image, are used in a third neural network as inputs. The second method is a knowledge-based fusion using thresholds of narrow roads and vegetation gray levels. First roads are extracted from each source separately. The outputs are then compared and advantages and disadvantages of each data source are investigated . The results obtained from accuracy assessment show the efficiency of the proposed methods. Furthermore, the comparison of the results showed the superiority of the first algorithm.     

高分辨率遥感影像道路提取方法综述

从高分辨率影像中提取道路特征信息已成为当前的一个研究热点,首先阐述了道路特征和道路提取的思想,并对研究现状进行了分析,列举了具有代表性的特征提取方法,并对各个方法的特点进行了分析,最后对道路特征提取的研究前景进行了展望。     

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。     

高分辨率SAR与光学遥感影像中道路提取方法的研究

高分辨率影像能够提供丰富的地表细节信息,从高分辨率遥感影像中进行高精度的道路提取是目前遥感信息处理的研究热点。分别以高分辨光学IKONOS影像和COSMO-Skymed SAR影像为数据源,对北京市某区域进行了道路信息自动提取方法的研究。高分辨率光学影像中采用最大似然分类进行道路信息提取,在SAR影像中则采用Otsu阈...     

航空遥感影像中道路的半自动提取

为了达到各种信息融合的目的,针对不同的情况,提出了多种信息约束下的道路提取方法。为了对提出的方法进行检验,给出了航空影像中不同类型的道路提取的例子。     

基于高分辨率影像的城市三维建模

介绍了利用倾斜摄影影像和垂直摄影影像相结合的三维城市重建方法,分析了利用有理多项式(RPC)恢复IKONOS立体影像的模型,在VirtuoZo上实现了基于有理多项式(RPC)恢复IKONOS立体影像的模型方法,并利用其快速影像匹配技术,实现了数字地面模型DEM和正射影像,实现了手动和半自动人工地物的采集,如房屋等三维几何坐标和结构的采集;自动获取了基于不同传感器所获得影像的建筑物表面纹理,从而实现了基于多种影像快速三维城市建模。     

基于LiDAR数据和航空影像的水体自动提取

提出将LiDAR数据对水体的敏感性与航空影像的高分辨率特征相结合的水体自动提取方法。利用SIFT算法对LiDAR强度图像和航空影像进行配准,在LiDAR高程图像上提取无回波信号的黑色区域,构建几何约束条件,排除由遮挡产生的无效区域;将水体初始位置映射到航空影像上,结合边缘信息进行区域生长,并对生长区域进行数学形态学运算,最终获取水体区域。实验结果表明,该方法可以获得很好的水体提取效果。     

高分辨率遥感影像信息提取方法研究

随着高空间分辨率遥感技术的迅速发展,如何充分应用高空间分辨率遥感影像具有重要意义。而海量数据、复杂细节和尺度依赖的特点决定了高分辨率遥感影像处理的技术难点。本文在总结高分辨率影像信息提取技术基础上,重点讨论了多尺度分割技术。     

高空间分辨率遥感影像建筑物提取方法综述

高空间分辨率光学遥感影像中建筑物的提取对城市空间数据库的更新、城市动态监测以及建设"智慧城市"等方面具有极其重要的意义。本文首先介绍了高空间分辨率遥感影像中建筑物的特点,然后介绍了基于高空间分辨率遥感影像中建筑物自动提取的四种主要方法,即多尺度分割提取方法;基于边缘和角点检测与匹配的提取方法;基于区域分割的提取方法和基于数学工具;新理论以及多种方法结合的提取方法,分析讨论了各种方法的研究进展以及各方法的优缺点,同时对建筑物提取研究中需要解决的问题和研究趋势进行了总结。最后对高空间分辨率遥感影像建筑物提取研究前景进行了展望,认为可以从多源或多时相数据、边缘检测以及阴影辅助作用等方面提取建筑物,提高建筑物提取精度和高分遥感影像的利用率。     

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。     

从高分辨率遥感影像中提取道路信息的方法综述及展望

道路作为城市的重要组成部分,是衡量城市发展的重要标准之一,研究基于高分辨率遥感影像的道路信息提取具有重要的现实意义。一直以来,从高分辨率遥感影像中提取道路特征信息都是研究的热点和难点。本文首先阐述了道路信息提取的思想和基本方法,列举并分析了几种比较有代表性的道路特征提取方法,并指出了其中所存在的问题,最后对高分辨率遥感影像中道路信息的提取研究前景进行了展望。     

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。     

LiDAR辅助下利用超高分辨率影像提取建筑物轮廓方法

以精确自动提取建筑物轮廓为目标,提出一种LiDAR辅助下利用超高分辨率影像进行轮廓提取的新方法.其要点分为4步:① 预处理,检测LiDAR中建筑物点并分割成每栋建筑物的点集;② 建立轮廓提取区,针对每栋建筑物做缓冲区和外接矩形,通过缓冲区过滤和外接矩形切割,建立轮廓提取感兴趣区域;③ 线段提取,借助LiDAR估算出建筑物概略主方向,并在该方向的约束下,自动、鲁棒地检测出建筑物的主方向和建筑物的线段;④ 轮廓筛选,基于LiDAR密度分析与Kmeans聚类动态筛选出精确轮廓.本方法所提取的建筑物轮廓定位精确、细节完好,轮廓提取准确率91%.     

动态空间正图像透视投影正反解

卫星图像都是在动态情形下获取的。瞬间曝光获取的图像投影性质符合透视投影。本文针对卫星动态获取的正图像,建立其平面透视投影,利用矢量解法研究其正反解变换和星下点坐标计算方法,最后给出了算例。     

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路-车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。