基于启发式图搜索的遥感影像道路半自动提取

启发式图搜索法用于线状目标识别的原理是:用图结构表示边缘点和边缘段,根据启发函数计算顶点权值,在图的路径上建立相应的代价函数,通过在图中搜索对应的最小代价的通道以找到最优路径.图搜索法是一种全局最优方法,它在受噪声影响较大时效果仍然较好.文中使用了启发式图搜索法(A*算法)实现了道路的半自动跟踪.它的基本思路是:首先利用自适应平滑滤波算子进行道路信息增强,然后对传统的道路数学模型进行了进一步的扩展,突出了对道路几何特性和辐射特性的描述,并依此构建图搜索的代价函数,实现了基于启发式图搜索法A*算法的道路半自动跟踪.经实验证明,该方法进行遥感影像的道路半自动提取效果较好.     

基于圆形模板的遥感影像道路半自动提取方法

目前,针对低分辨率遥感影像的道路提取研究已经很多,但是在中、高分辨率遥感影像中,丰富的场景信息以及路面车辆、交通标志线、绿化带或路边行树等噪声都会对道路提取产生影响,因而,道路提取仍是一项较为困难的工作.有鉴于此,本文提出了一种基于圆形模板的高分辨率遥感影像道路提取方法,以空间分辨率为0.8 m的高分2号影像为实验数据...     

基于圆形模板的高分辨率遥感影像道路半自动提取

针对基于矩形模板匹配的道路提取方法在影像中存在较大弯曲路段提取效果不佳的问题,提出了一种基于圆形模板的半自动道路提取方法,用圆形模板取代矩形模板搜索道路中心点,省去了旋转角度计算,结合影像灰度、形态学梯度以及道路中心点之间的夹角信息,用迭代内插的方法搜索加密道路中心点,最终得到道路中心线。实验分析和比较表明,该方法在继承模板匹配的优势的同时较好的弥补了矩形模板的不足,提取效果较好。     

基于高分辨率城区遥感影像的道路半自动提取方法研究

遥感影像上人工地物的自动化和智能化采集一直是摄影测量与遥感技术长期探索的一个主要课题。道路是重要的基础地理信息,随着遥感影像分辨率的提高,道路特征的复杂化对道路提取方法形成了挑战。针对高分辨率城区遥感影像道路提取中存在的问题,结合多分辨率分析思想、模板匹配原理和LSB-Snake模型,综合提出了一种适用于城区高分辨率遥感影像的道路半自动提取方法。实验表明该方法可以在很大程度上弥补LSB-Snake模型的不足,同时具有良好的抗噪声能力,可作为一种有效手段应用在城区高分辨率遥感影像的道路提取中,具有很好的交互性、可靠性和高效性。     

高分辨率遥感图像的道路自动提取

提出了一种基于路径的数学形态学去噪的方法,能够在保留道路原有特征的同时,滤除掉绝大部分的干扰信息,便于后续的道路网提取.首先,通过基于路径形态学的闭运算,剔除图像中深暗的阴影、土地等背景.然后,利用基于路径形态学的开运算,剔除掉图像中高亮的建筑物、车辆等背景干扰.最后在去噪的的结果上,采用Gabor线性滤波器实现道路网...     

利用动态规划半自动提取高分辨率遥感影像道路中心线

传统的基于动态规划的道路提取算法都是直接在图像域内根据道路的光谱等特征定义代价函数,当道路光谱特征发生变化时,需要重新定义新的代价函数,具有很大局限,不适用于道路特征复杂多样的高分辨率遥感影像。针对这一问题,提出了一种基于动态规划的道路中心线半自动提取算法:首先,利用阈值分割和核密度估计生成道路概率分布图;然后,根据道路概率分布图上的道路特征定义代价函数;最后,运用动态规划求解代价函数最大值来提取道路中心线。试验表明,提出的算法能够在高分辨率影像上提取各种不同光谱特征的道路中心线,取得了良好的效果。     

从遥感影像提取道路信息的方法评述

介绍了国内外比较成功的几种从遥感影像提取道路信息的技术方法,归纳其方法原理,评述其优缺点,提出存在问题及继续研究的建议。     

遥感影像道路提取现状与展望

道路提取是遥感影像处理的热点和难点,简要介绍影像处理技术发展以来道路提取的各种方法,并分析其优缺点,最后对道路提取的发展方向做了总结。     

遥感影像上线状目标提取方法研究

遥感影像线状目标(主要是指道路)的提取是一个经典研究项目。本文首先基于相位编组的思想,确定出若干个局部图像的主方向,再利用对应方向的Sobel算子进行检测,最后对所得结果进行细化。实验证明,该方法对于图像中弱边界的识别是很有效的。     

基于T型模板匹配半自动提取高分辨率遥感影像带状道路

通过分析高分辨率光学遥感影像上的道路特征,提出了适用于有较多车辆遮蔽和两侧行树阴影干扰的T型模板匹配的道路提取算子。它融合了剖面匹配和模板匹配的优势,使用角度纹理特征进行初始道路点的精确定位,道路宽度、道路前进方向的精确量算,使用灰度最小二乘匹配进行最佳道路点的定位,可以很好地追踪高分辨率光学遥感影像上受车辆遮蔽和行树阴影等噪声干扰的带状道路。     

基于道路网络知识的启发式层次路径寻找算法

基于道路网络的知识,探讨了定义一个层次拓扑来帮助路径寻找及如何确定层次之间转换的入/出结点,并结合启发式技术来提高路径计算性能的路径寻找算法。实验表明,该方法不仅可以减少计算所需要的时间和空间,也会产生一个符合人类思维特点的解。     

利用GPS和数字滤波技术确定航空重力测量中的垂直加速度

航空重力测量数据主要含有两类扰动加速度,一是可用解析式表示的有规则影响,如厄特弗斯改正,另一类是与载体非规则运动有关的非规则影响,主要指垂直扰动加速度.通常有规则影响能精确求出,困难在于精确确定非规则的垂直加速度.目前常用GPS和数字滤波技术相结合来确定垂直加速度.本文概述了这种方法的基本原理,讨论了航空重力测量中有限冲激响应(FIR)低通滤波器设计参数的确定,并设计了实用的FIR低通滤波器,实测数据计算结果表明,利用该滤波器确定垂直加速度的精度为±1×10-5～2×10-5 m/s2.     

导航解算中的系统误差及其协方差矩阵拟合

利用Kslman滤波进行导航定位计算不得不涉及观测函数模型和动力学模型,而观测函数模型和动力学模型经常含有系统误差或区域性系统误差.本文提出了一种基于移动窗口的函数模型和随机模型系统误差自适应拟合法.基于相同的窗口给出了相应的观测向量和状态预测向量的协方差矩阵估计方法,其协方差矩阵的估计与现有的Sage滤波不同.利用经系统误差修正后的观测向量和状态预测向量及相应的协方差矩阵,再进行动态导航滤波计算,能有效提高导航解的精度.文中给出了开窗估计系统误差的公式,并利用实测数据验证了该算法的可行性和实用性.计算结果表明该算法能有效地抵制系统误差对导航滤波结果的影响.     

从城市地区的DSM到DTM

讨论了根据影像匹配的结果将DSM修正成DTM的方法。本文针对城市地区航空影像的立体匹配结果,结合影像的结构纹理特征,提出了一种自动修正影像匹配结果以获得正确的DTM的方法。     

Sage滤波器的发散问题解决

提出了一种新的次优Sage自适应卡尔曼滤波算法。该算法通过对滤波器发散的综合抑制,有效提高了滤波器的数值稳定性。     

一种次优并行Sage自适应滤波器

提出了一种新的次优Sage自适应卡尔曼滤波算法，该算法针对经典次优Sage滤波器经常存在的结果偏移现象，设计了一种附加伴随滤器的并行滤波结构，消除了结果偏移，提高了滤波精度。     

面向重大公共卫生事件的位置服务技术: 以COVID-19疫情为例

基于城市三维（three-dimensional, 3D）模型的阴影匹配（shadow matching,SM）方法能有效提高城市峡谷中过街方向的卫星定位精度;但是手机接收的信噪比（signal-to-noise ratio,SNR）波动过大,而且传统方法无法区分位于平行街道的位置,容易引起较大的跨街道误差。提出了一种改进的手机SM定位方法。首先,针对手机采集卫星信号的SNR波动过大的问题,提出采用低通滤波的方法减小SNR波动,从而提高卫星实测信号可见性分类的准确性及稳定性。在此基础上,针对跨街道误差问题,提出了基于SNR滤波的聚类阴影匹配（cluster shadow matching,Cluster-SM）方法,将高分候选点按照位置分组,并根据组内有效点的个数确定点集,从而确定用户的最终位置。实验结果表明,SNR滤波方法将SNR分类的错误率由5%~30%降低至0%~20%;基于SNR滤波的Cluster-SM方法将动态实验中传统卫星定位结果的精度由19.4 m提高至2.1 m,显著地提高了跨街道的手机定位精度,为车辆及行人导航等应用提供了参考。     

一种有效的航拍图像中直线提取算法

首先对航拍图像进行小尺度高斯滤波;然后进行边缘检测,得到边缘检测幅度图像;再在边缘检测幅度图像中进行启发式搜索连接,提取出符合直线模型的直线搜索轨迹;最后根据直线搜索轨迹的判别获取直线。实验结果表明,该算法可以在航拍图像中提取出真实的直线,是一种有效的直线提取算法。     

非线性自适应抗差滤波定轨算法

讨论了应用卡尔曼滤波进行卫星精密定轨所遇到的一些问题,提出了一种新的非线性自适应抗差滤波定轨算法。该方法首先采用非线性滤波来提高定轨精度,避免了模型线性化误差的影响。另外,采用双因子方差膨胀模型来自适应地调节观测噪声的协方差阵,以控制观测异常对定轨结果的影响;通过自适应因子实时调节状态噪声协方差阵,以降低状态异常对定轨结果的影响。通过CHAMP卫星定轨计算,验证了新方法的可行性和有效性。