于DEM光照晕渲模拟的梯田自动提取方法

梯田作为黄土高原最为典型的人工地貌之一,有重要的农业生产和水土保持价值。传统的梯田自动提取仅限于梯田所在区域的范围划定,未能对梯田田坎线实现有效的自动化提取。鉴于此,本文提出了一种基于光照晕渲模拟的梯田快速提取方法。首先,对无人机航测生成的1 m分辨率的数字高程模型（DEM）进行4个方向的光照晕渲模拟,并相加取平均值;然后,通过适当的阈值对均值图像进行二值化,并掩膜掉沟谷等非梯田区域;最后,基于二值化图像自动矢量化得到梯田田坎线,并通过适当的长度阈值进行碎线过滤提高提取精度。本文以陕西省长武县王东沟流域为实验样区进行了实验,结果表明,该方法提取结果的准确率为89.09%,具有较好的提取精度。此外,对该方法涉及到的参数进行了讨论,表明光照模拟的方向角采用2个正交的对称方向对、高度角采用田坎坡度的反正切值、二值化阈值采用t=180-σ的经验公式,可以满足黄土高原的梯田自动快速提取。     

基于Global Mapper的地貌晕渲制图——以西安幅(Ⅰ-49)为例

地貌晕渲图自动制图是以计算机软、硬件为基础,对DEM数据实现的一种三维立体可视化表达。本文从地貌晕渲的基本理论出发,以我国1:100万标准分幅的西安幅(1-49)为例,采用Global Mapper软件实现了计算机地貌晕渲自动制作的全过程,主要内容包括:计算机地貌晕渲关键技术的实现,地貌晕渲效果与参数设置之间的关系,Global Mapper软件中各种参数设置的合理性分析,使用分层设色的办法对晕渲图进行色彩的设计,并利用PHOTOSHOP软件对结果进行整饰等。该方法可实现地貌晕渲图的自动制图。     

计算机环境下地貌晕渲图制作的探讨

本文以1∶100万标准分幅的成都幅(H-48)为例,采用SRTM-DEM数据,利用ERDAS软件、MicroDEM软件和Global Mapper软件,进行地貌晕渲图原图的制作,并利用Photoshop软件,对它们生成的地貌晕渲图原图进行了颜色调整、效果优化和与地图底图叠加生成最终的地貌晕渲图。研究表明:(1)利用3种软件进行地貌晕渲图原图的制作各有优缺点,但就最终成果图的整体质量和效果来看,Global Mapper软件制作的地貌晕渲图要优于MicroDEM软件制作的地貌晕渲图,而以ERDAS软件制作的地貌晕渲图的质量和效果最差;(2)Photoshop软件作为强大的图形图像处理软件,可以在地貌晕渲图的效果调整和质量优化上起到重要作用;(3)由于数字环境下地貌晕渲图可以表达更多的信息量和色彩效果,它对于制图人员色彩的运用、表达效果的判断和调整能力等提出了更高的要求和挑战。     

基于降斑各向异性扩散的SAR图像海岸线提取

受SAR图像相干斑噪声的影响,传统基于阈值的SAR图像海岸线提取方法难以迅速、精确地提取结构复杂精细的海岸线。为此,提出一种结合降斑各向异性扩散和大津法的SAR图像海岸线提取方法。首先,利用降斑各向异性扩散方法对SAR图像进行滤波,使其在尽可能滤除掉相干斑噪声的同时保持精细边缘和纹理结构;然后,以类间方差最大为准则,自适应地确定阈值,实现滤波结果图像二值化分割。在分割结果中,利用连通域标定法标定图像域,去除误分割的连通域,得到准确的海陆分割结果,以实现精确的SAR图像海岸线提取。对具有不同特点的真实大尺度SAR图像的实验结果和定量评价结果表明本文方法可以高精度地提取出光滑、连续的海岸线,相较其它方法具有更强的实用性。     

一种基于特征信息的车牌识别方法

根据中国车辆牌照本身的现有特征信息,提出一种车牌识别方法.采用全局动态阈值法进行二值化处理图像,牌照定位算法简单迅速,字符分割参考垂直投影间隔和字符的纵横比.实验结果表明,这种方法具有良好的环境适应性和鲁棒性.     

基于区域生长的黄土地貌沟沿线提取方法与实验

沟沿线是黄土地貌正负地形的分界线,地形在沟沿线处存在较大的高程变化和坡度转折。坡面畸变邻域法是一种有效提取沟沿线的方法,但该方法对正负地形进行分割时,往往会产生大量的碎屑多边形和分类错误,严重影响沟沿线的提取精度。为了解决这个问题,本文采用区域生长方法来改进坡面畸变邻域法的提取结果。首先,分别以DEM提取的山顶点和出水口点作为正负地形的生长点进行4邻域生长,生长至正负地形边界或大于坡度阈值为止;然后,采用边缘检测方法提取正负地形分界线;最后,依据形态学图像处理方法去除"毛刺"得到最终的沟沿线。结果显示,该方法实现了对沟沿线的自动提取,解决了由于正负地形分类错误造成的沟沿线定位不准确的问题,提高了沟沿线的提取精度,同时该方法也较好地保持了沟沿线的完整性和连续性,对黄土高原不同地貌类型具有普遍的适用性。     

基于线性光谱混合模型的城市下垫面分类影响因素分析

基于Hyperion高光谱与ALOS全色波段的融合图像,运用线性波谱分离模型,对影响城市下垫面分类的因子进行定量分析。结果显示:随着空间分辨率的递增,融合图像光谱保真性呈下降之势,并呈现出阈值现象,但所有相关系数值都大于0.90,表明以融合图像进行线性波谱分离提取城市下垫面具有可靠性;下垫面分类总精度则整体明显下降,Kappa系数值也几乎单调减少。大气校正后下垫面分类的总精度和Kappa系数都明显高于大气校正前;当丰度分割值由10%增至60%时,生成的下垫面分类图像的精度单调降低,表明应慎用50%阈值分割法。     

基于决策树的蓬莱市土地覆盖信息提取

以蓬莱市为研究区,对TM影像经过预处理后,进行典型地物的光谱分析。在此基础上,运用决策树分类法,选取影像的光谱特征值、NDWI值、NDVI值、K—T变换信息和DEM值等数据作为测试变量,选择适当阈值设定判别规则,建立决策树模型进行土地利用覆盖信息提取并做出精度评价。将其提取精度与监督分类结果精度进行比较,结果表明其分类精度有很大提高,尤其在研究区是丘陵地形的情况下,DEM数据的使用使林地、果园的可分性大大加强。     

基于动态极坐标参数化的遥感影像匹配方法

图像匹配作为三维重建至关重要的环节,其精度直接影响了平差优化、正射校正等模块的精度。对于城镇、农场等特征密集型区域,特征距离小,相似性强,易于匹配图像;而针对草地、沙漠等特征不明显区域,特征距离大,如果使用特征点匹配的方法,严格阈值下难以获得足够数量的匹配对,放宽阈值又将引入较多误匹配对,这也是导致稀疏点云不够均匀的原因之一。在此场景下,本文提出了基于动态极坐标参数化的无人机正视影像匹配算法,首先对图像做极坐标参数变化,采用动态策略解决极轴方向采样不均匀的问题,使用最小二乘法对得到的极坐标影像对做位移方向上的匹配,匹配后得到的旋转量和平移量,将该结果和SIFT算法的结果做比较。本文设计了2组实验,即参数已知的解算实验和参数未知的解算实验,且每组实验进行3次。在同等配置的计算机上,对两张7360像素×5400像素,32位的影像,本文方法的位姿解算时间相比SIFT的时间减少约57%,二者求得的位姿差通常小于1%。结论表明二者的结果在精度上表现相当,在时间上明显优于SIFT算法,具有实际的应用价值。     

一种改进的基于背景差算法的运动车辆检测方法

针对背景固定的交通监控视频中的运动车辆检测问题,提出了一种改进的基于背景差算法的运动目标检测方法。该方法改进了混合高斯模型,对图像进行了平滑滤波预处理,并利用形态学滤波方法对二值化的前景图像进行后处理。该方法提高了背景模型的环境适应能力,能够很好地适应背景改变和光照等变化。同时,也改善了视觉效果,使前景检测误差值降低了14％,可为后续交通参数的提取提供更为精确可靠的图像数据信息。     

结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取

利用遥感成像技术获取地面水体信息对水资源调查、自然灾害评估、流域规划和生态环境监测等具有重要意义,其中SAR成像作为大范围地面监测的可靠数据源,拥有全天时、全天候、广覆盖等光学遥感系统所不具有的优点,在水体提取中得到了广泛的应用。但由于受SAR图像相干斑噪声的影响,现有水体提取方法难以迅速、精确提取SAR图像中复杂精细的自然水体结构。为此,提出一种结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取方法。首先,利用降斑各向异性扩散滤波SAR图像,在迭代滤波过程中通过计算图像间平均结构相似度自适应控制迭代过程,使其同时保持精细边缘和纹理结构;然后,以类间方差最大为准则,自适应确定阈值,实现滤波结果图像二值化分割。在二值化分割结果中,搜索具有相同像元值且位置相邻的前景像元点组成的连通区域,使每个单独的连通区域形成一个被标识的块,通过获取这些块的几何参数来消除图像的误分割,精确划定真实的水体区域,以实现SAR图像水体提取。为了验证提出方法的准确性,将本文方法提取的水体边界与人工绘制的水体边界叠加,结果表明二者可较好吻合。同时,从视觉、提取精度和运行时间对本文方法与目前常用3种SAR图像水体提取算法的结果进行比较分析,其中本文方法的运行时间满足实时应用的要求,提取结果的边界在2个像元评级区重叠度均达到80%,明显优于其他方法且本文方法提取结果在边界及细节信息等视觉方面也更加显著。对结果的定性及定量评价表明本文方法的优越性。     

亚像素细分在光学自准直系统观测中的应用

介绍一种基于CCD的光学自准直系统观测方法及相关的数字图像处理方法。关于图像处理,首先采用自动阈值分割提取十字丝的像素级边缘,然后使用积分法找到十字丝的像素级边缘位置,接着运用三次多项式拟合出图像边缘实现十字丝边缘的亚像素定位,最后对十字丝亚像素边缘进行直线拟合得到边缘直线方程,进而得到十字丝中心。实验结果表明,亚像素细分技术能够较好地提取十字丝亚像素边缘。     

面向对象的极高海拔区水体及冰川信息提取——以珠穆朗玛峰国家级自然保护区核心区为例

极高海拔地区多为河流发源、冰川发育地,由于地形起伏强烈,且野外考察验证工作困难,传统的遥感信息提取方法很难保证该地区水体及冰川的提取精度。本文基于ASTER影像,运用面向对象的图像信息自动分析方法,对珠穆朗玛峰国家级自然保护区核心区的水体及冰川信息进行了提取研究。为保证信息提取的准确度,将数字高程模型(DEM)及其衍生数据(坡度、坡向),归一化植被指数(NDVI)数据,及有助于区分水体、冰川与其他地物的相关指数(冰雪指数NDSII)及波段运算结果(b1-b3)、(b3/b4)等,分别作为一个波段叠加到原始图像中,使之成为对目标地物光谱特征的有益补充。并对不同类型的水体及冰川进行多级、多尺度分割,以满足其对分割尺度的不同要求。分割完成后,综合考虑目标地物的光谱特征、纹理特征、空间结构特征,根据各特征指数的直方图信息,设定合适的阈值,建立了各水体及冰川类型信息提取的知识规则,并结合实地调查对信息提取的精度进行验证,改进了ASTER遥感影像自动快速提取极高海拔区水体及冰川信息的实用模型。     

基于全卷积神经网络的建筑物屋顶自动提取

高分辨率遥感影像在地面自动目标提取中得到了广泛应用,然而利用传统算法,很难高精度地进行实时的建筑物屋顶绘图。本文使用深度学习方法探讨建筑物屋顶分割,由于卷积运算对形变、旋转、光照条件的不敏感,设计了一种用于建筑物屋顶提取的深度卷积神经网络,提出的网络为级联式全卷积神经网络,在深度卷积神经网络的设计中使用了特征复用和特征增强,实现建筑物的自动精确提取。以美国马萨诸塞州建筑物数据集为基础的实验结果表明,本文提出的网络结构取得了92.3%的总体预测精度,和其他方法相比,本文提出的方法具有更高的精度     

基于麻雀搜索算法优化的BP神经网络卫星钟差预报

使用麻雀搜索算法(sparrow search algorithm,SSA)对BP神经网络的初始权值和阈值进行优化和调整,以提高神经网络模型短期预报的精度和稳定性.采用IGS产品中的卫星钟差数据,对SSA-BP神经网络模型、PSO-BP神经网络模型、传统BP神经网络模型及传统二次多项式模型(QP模型)进行实验对比,结果...     

GM(1,1)模型的改进及其在变形预测中的应用

为了提高GM(1,1)模型预测精度,采用积分优化、二次拟合优化以及残差改化方法,分步对GM(1,1)模型进行改进,建立灰色多重修正模型.具体改进步骤为:首先,利用积分优化方法对背景值进行纠正,减小模型误差并提高预测精度;接着,对模型参数(发展系数和灰作用量)进行二次拟合优化,使参数更加接近理论真值;然后,根据预测结果进行适当的残差改化,提高模型整体的预测精度;最后,建立根据GM(1,1)模型改进的灰色多重修正模型.以重庆南川地区甄子岩崩塌为例,建立灰色多重修正模型对危岩裂缝累计位移值进行模拟和预测,并与GM(1,1)模型进行对比.精度检验结果表明:灰色多重修正模型后验差比值(0.082 39)明显好于GM(1,1)模型(0.192 67),平均相对残差比(0.073 9)更远好于GM(1,1)模型(0.259 6),表明灰色多重修正模型在预测精度上有较大提高,可靠性更好.     

基于DEM的黄土地貌类型提取与制图——以黄土高原丘陵沟壑实验样区为例

以陕北绥德县刘家沟流域为实验样区 ,从地貌成因、形态和土地利用角度出发 ,分析了黄土高原丘陵沟壑区 3种典型地貌类型的区域特征 ;以不同地貌类型的区域特征为基础 ,在地理信息系统平台软件 Arc View的支持下 ,利用数字高程模型 (DEM)自动提取黄土丘陵区 3种基本地貌类型的方法和技术。研究分析结果证明 :利用 DEM自动提取地貌类型是一种快速、高效的技术方法 ,对指导退耕还林、防治水土流失和进行土地利用动态监测都具有重要意义。     

基于mRMR特征优选算法的多光谱遥感影像分类效率精度分析

在遥感图像分类过程中,进行合理的特征优选操作,将有助于提高分类器的分类效率及精度。本文以淮南地区资源三号卫星多光谱遥感影像数据为例,采用二值离散化、直方图法及F统计法3种计算方法实现mRMR（minimal-Redundancy-Maximal-Relevance）算法特征优选过程。根据3种方法所得到的特征优选结果及全部特征信息,分别采用C5.0决策树和K近邻2种分类器进行图像分类实验,并利用目视解译方法对不同方法组合的影像分类结果进行精度验证。实验结果表明,利用3种计算方法实现mRMR特征优选算法对不同分类器的影响程度不同：在分类效率方面,C5.0决策树分类器可提高36.84%,而K近邻分类器可提高72.05%;在分类精度方面,C5.0决策树分类器能保证分类精度大致不变,总体分类精度可提高0.60%,Kappa系数可提高0.80%,而K近邻分类器总体分类精度可提高4.34%,Kappa系数可提高7.90%。     

融合LiDAR数据与高分影像特征信息的建筑物提取方法

建筑物是城市环境中的主要地物类型,从高分影像等数据中自动提取建筑物对于提升土地利用变化检测、城市规划与土地执法等业务的质量与效率具有重要意义。本文针对现有建筑物提取方法存在的边界提取不精确的问题以及采用手工特征表达图像信息的局限性,融合LiDAR数据与高分影像两种数据源的特征信息,提出一种基于SegNet语义模型的建筑物提取新方法。首先,对LiDAR数据预处理得到数字表面模型（DSM）、数字地形模型（DTM）、归一化数字表面模型（nDSM）,利用高分影像NDVI值去除nDSM中部分树木点,得到结果影像nDSM_en;其次,分别获取LiDAR数据回波强度、表面曲率以及高分影像NDVI值 3个特征构建特征图像训练SegNet语义模型,利用训练得到的模型完成建筑物初始提取;最后,采用阈值法分割nDSM_en得到影像对象,利用影像对象约束建筑物初始提取结果,完成建筑物精提取。在以ISPRS 官方提供的标准数据集（数据采集的地理区域为德国Vaihingen,采集时间2008年7—8月）为样本的实验中,本文方法在像素层次的平均查全率、平均查准率和提取质量分别为96.4%、94.8%和91.7%;针对面积大于50 m ²的建筑物对象,上述3个指标均为100%。实验结果表明：本文提出与实现的建筑物提取方法更好地利用了反映建筑物与非建筑物本质差异的特征信息,有效地实现了2种数据源的相对优势互补,提高了建筑物的检测与提取精度。     

基于深度学习的城市建筑物阴影提取方法

城市建筑物阴影的存在增加了基于高分影像信息提取的复杂度,影响了高分影像的行业应用。以GF-2影像为数据源,以影像覆盖的两个典型阴影区域为实验区,设计了一种基于深度学习技术的城市建筑物阴影提取方法。借助于全卷积神经网络(FCN)对图像进行语义分割,获取阴影信息,通过建立光照方向相邻对象的空间关系,去除建筑物阴影信息中的干扰项。将提取的建筑物阴影结果与面向对象方法提取的结果进行对比,在实验区1和实验区2中,DBSE提取的总体精度分别为97.5%和98.1%,面向对象的总体精度分别为96.2%和97.2%。提升精度的同时,在视觉效果上,DBSE方法在阴影完整性与真实阴影一致性,以及减少阴影错分等方面明显优于OBSE方法。