TM图像中桥梁目标识别方法的研究

提出了一种新的TM图像中桥梁目标的识别方法。算法充分利用了TM图像的特点,在底层处理中运用形态学的方法提取出潜在桥梁目标;在中层处理中使用链码表示目标并提取其特征参数;最后在高层处理中进行桥梁识别和一些后处理。算法识别速度快、准确率高,整个算法可以进行自动的识别,也可以有少量人工干预使得算法更稳健。实验证明该算法对于TM图像中的桥梁识别是很有效的。     

TM图像中道路目标识别方法的研究

提出了一种新的TM图像中道路目标的识别方法。算法充分利用了TM图像的特点,在底层处理中运用方向可调滤波器(SteerableFilter)的方法提取出潜在的道路目标;在中层处理中使用链码表示目标并提取其特征参数;最后在高层处理中进行道路识别和一些后处理,整个算法可以进行自动的识别。实验证明该算法对于TM图像中的道路识别是很有效的。     

基于数学形态学方法的街道数据提取算法

数学形态学用具有一定形态的结构元素去度量和提取图像中的对应形态以达到对图像分析和识别的目的。其中细化是处理线状二值图像的一种重要技术,它可以把二值图像区域缩成线条,以逼近区域的中心线,极大地减少图像中的冗余信息量,以便进一步分析和识别。本文研究了通过击中变换实现的骨架线提取算法,并将其应用于城市居民地的街网数据提取,取得了较好的实验效果。     

基于形态学重构运算的地面目标识别算法

针对在热红外遥感图像上识别背景复杂的地面目标较为困难这一问题,提出了基于形态学重构运算的地面目标识别算法。该算法首先对形态学重构运算的背景抑制原理及其算法的适应性进行了分析,并将该算法应用于对原始图像的背景抑制与处理;然后,对处理后的图像进行分割,获得感兴趣的目标区域;最后,通过对感兴趣区域特征的提取与匹配识别目标。实验结果表明,该方法能从复杂自然场景中有效地识别出目标。     

自动全站仪的光斑图像中心定位精度分析

为研制国产的自动目标识别全站仪,自动目标识别与照准全站仪成为研究的热点。本文将CMOS图像传感器内置于RTS010A电动全站仪中,构造自动目标识别全站仪系统。对光斑图像进行处理,提取光斑图像中心点坐标;测试并分析了光斑图像中心定位精度,全站仪望远镜固定不动时,光斑中心定位精度小于0.2个像素坐标,全站仪望远镜沿水平角或竖直角单方向旋转时,光斑中心坐标变化在固定方向小于0.7个像素坐标。认为光斑图像中心定位精度可满足自动目标识别全站仪模型标定的要求。     

资源三号卫星影像中线性目标的检测技术

为了有效地进行高分辨率图像中线性目标的检测,提出一种基于Freeman链码的改进型Hough变换算法。首先,对图像进行增强和滤波处理,采用基于灰度一致化的方法对图像进行区域分割;然后,利用Freeman编码提取目标区域的边界;最后,对链码数据进行Hough变换,检测出平行线性结构。实验结果证明:该算法能有效地提取图像中平行线性目标,将其应用于资源三号卫星影像道路网目标的识别中,准确率高且实时处理性好。     

MASK在遥感影像水系提取中的应用

在遥感图像处理中,通过遥感影像判别识别各种目标是其发展的一个重要环节,无论是专业信息的提取、动态变化监测,还是专题地图的制作和遥感数据库的建立等都离不开所需信息的提取,因此影像信息的提取是影像图像处理的研究重点。掩膜(MASK)技术就是运用地物及影像的特点将影像中的地物提取出来。本文主要介绍地物及影像的特点,运用MASK技术将影像中的水提取出来,并将提取成果与原始影像进行比较分析。     

基于序列非线性滤波SAR影像水体自动提取

由于SAR图像中固有斑点噪声的强烈影响,某些对于光学图像有很好效果的目标提取区域分割的方法对于SAR图像来说效果不很好.针对水体目标的亮度及形状分布特征,不作阈值分割处理,而采用序列非线性滤波处理方法,可以快速有效地实现SAR影像水体目标的自动提取识别.     

快鸟影像的应用研究

随着空间技术的发展,遥感图像的分辨率越来越高。其重要性日渐显露。遥感图像处理的发展目标之一就是实现自动的识别及目标信息的自动提取。利用高分辨率的卫星(如快鸟卫星)影像识别地面目标是急需的,本文仅以遥感影像的水体提取为例。     

改进霍夫变换的枢纽立交桥检测方法

针对传统遥感系统对特定建筑物提取难的问题,该文提出了一种高空摄影系统下基于改进霍夫变换的城市枢纽立交桥检测方法。该方法首先对图像进行预处理和分割,对分割后图像进行形态学处理提取直线和曲线道路,弥补了单一提取直线道路的不足;然后对提取后的道路进行基于改进霍夫变换的近似圆形立交桥匝道的识别;最后依据圆形完整度门限判断可识别的圆形匝道个数,并根据识别数目来判定是否存在立交桥。经过实验比较分析,该方法对于国内外常规的立交桥系统识别效果都较好。     

背景复杂下航拍图像的电力线识别算法

如何从具有复杂背景的无人机航拍图像中完整准确地识别出电力线已成为电力线无人巡检的关键问题之一。本文通过分析航拍图像中电力线的特征,提出了一种复杂背景下电力线检测和识别的新算法。首先对原始图像进行直方图均衡化处理,改善图像的对比度;然后使用由LoG算子改进的边缘绘图-参数自由（EDPF）算法对航拍图像进行边缘检测,滤除背景噪声,并检测出电力线边缘;最后利用Radon变换和先验知识完整提取出图像中的电力线。试验结果表明,本文方法比传统的Canny算子与Hough变换的结合方法、LSD算法的识别准确率更高,识别效果更完整,稳健性更好。     

模糊分类技术在作物类型识别中的应用

介绍了模糊分类技术,并将其应用于多时相ScanSAR的作物识别中。模糊分类技术比传统的最大似然法具有较高的识别精度。结合雷达图像的自身特点,将模糊分类技术与上下文处理相结合,是雷达图像处理的一种有效途径     

遥感图像识别中粗糙集理论与神经网络的结合

由于传统神经网络与遥感图像信息量不相匹配 ,为此 ,提出将粗糙集理论集成至遥感图像神经网络识别中。首先分析了神经网络与粗糙集理论结合的可能性以及优势 ,在此基础上提出了基于粗糙集的遥感图像神经网络识别模型 ,并就其中的粗糙集方法处理样本特征集模块和遥感图像识别神经网络模块展开详细的分析。通过对比实验数据说明集成粗糙集理论的遥感图像神经网络识别能够有效提高遥感图像的识别效率 ,具有较强的现实意义     

基于多尺度分割的高分遥感图像变异函数纹理提取和分类

变异函数(variogram function,VF)作为遥感图像纹理提取的一种有效工具,可以很好地用于描述图像的结构性和随机性。为了克服传统的基于移动窗口提取的VF纹理带有边缘效应且难以确定合适窗口大小的问题,以新疆维吾尔族自治区英吉沙县裸露地层的World View-2图像为信息源,利用多尺度分割算法获得的3个尺度分割结果提取VF纹理;将提取的VF纹理叠置到原始多光谱图像上进行地层识别研究,并与基于移动窗口的地层识别结果进行对比。研究结果表明,基于分割对象提取的纹理信息可以很好地去除边缘效应,减轻阴影影响,提高地层识别精度;不同分割尺度对纹理的识别效果有一定差别,但选择合适的分割尺度之后,采用VF方法提取的纹理信息比采用移动窗口法提取的信息更加稳定。     

高光谱遥感技术在岩石识别中的应用

依据不同岩石的光谱特征,通过图像处理方法,对各种岩石类型信息进行提取,使高光谱遥感技术在地学领域的应用由定性分析到定量识别。     

成像光谱和热红外多光谱技术地质制图研究

根据高光谱分辨率的航空成像光谱（ＭＡＩＳ）和热红外多光谱（ＴＩＭＳ）图像数据中遥感信息特点，即可从其数据获得成像地物光谱，利用航空成像光谱图像处理和分析方法，可有效和精确地对地物特性进行识别和提取。此次以调查沉积岩地区地质地层单元、岩性识别为研究内容的中日联合遥感研究所采用的图像数据，是由中国科学院上海技术物理研究所新开发的ＭＡＩＳ和ＴＩＭＳ获取的。研究结果表明，利用计算机图像处理方法，对ＴＩＭＳ图像进行主成分分析（ＰＣ），ＭＡＩＳ的短波红外（ＳＷＩＲ）图像的假彩色合成图（ＦＣＣ），以及可见近红外（ＶＮＩＲ）图像波段差值处理，可将研究区内出露的白云岩、灰岩以及红色砂岩、绿色砂岩等岩性识别出来，同时圈出了研究区内出露的各个时代的地层，证明了ＭＡＩＳ和ＴＩＭＳ在地质制图方面有较大的潜力。     

基于MATLAB的边缘检测算法研究

边缘检测是处理与剖析图像的主要内容之一,它在文字识别、车牌识别、遥感特征地物的提取等生产和生活领域发挥着非常重要的作用。但是,不同的图像有着不同的特征,到目前为止,没有一种统一的方法对所有的图像及地物的特征进行边缘检测。针对这一不足,本文首先探讨了4种经典的二值化算法和相应的改进二值化算法,并将经典算法与改进后的算法进行对比分析,然后利用Canny算子对二值化处理后的图像进行边缘检测。得出结论,迭代法和改进的迭代法与Canny算子相结合作为边缘检测的方法是一种高效率、高精度的方法。     

基于流形学习的高分SAR图像建筑区提取方法

高空间分辨率(简称"高分")SAR图像具有高维非线性特点,以高维空间蕴含的低维流形描述SAR图像,会更有利于目标识别。将流形学习应用到高维SAR目标识别的特征表达中,提出一种新的高分SAR图像建筑区提取方法。首先,对高分SAR图像进行预处理;然后,采用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取8种纹理特征,与灰度图像共同构建SAR图像的高维特征集;利用自适应邻域选择的邻域保持嵌入(adaptive neighborhood selection neighborhoods preserving embedding,ANSNPE)算法对高维特征集进行特征提取,提取出新的特征;最后,通过阈值分割及后处理提取建筑区,并进行精度评价。选择Terra SAR-X数据进行实验研究,结果表明,ANSNPE算法能够从高分SAR图像中有效提取建筑区,并具有较强的泛化能力;通过训练数据获得的投影矩阵可直接应用到新样本中,建筑区提取精度达85%以上。     

基于无人机图像颜色指数的植被识别

植被信息在农业监测、生态环境保护等方面具有重要作用。利用无人机(unmanned aerial vehicle,UAV)获取的高分辨率图像识别植被信息具有成本低廉、方式灵活等优势。目前UAV遥感使用的可见光图像主要依靠各种颜色指数提取植被。以山东省微山县为研究区,选用NGRDI,Ex G,Ex G-ExR和GLI等4种基于RGB色域的颜色指数,对覆盖研究区的UAV图像进行灰度化处理,用最大类间方差自动阈值检测方法将植被区域与非植被区域识别出来,并分析各种颜色指数的适用性及影响因素。研究结果表明:4种颜色指数均能快速准确地识别植被覆盖区域,识别精度在90%以上。其中Ex G-ExR指数优于其他指数,识别精度最高,识别效果较稳定;Ex G与GLI指数的识别精度在研究区9景图像中变化不大,相对稳定,也可作为有效的植被识别方法。4种颜色指数对植被与背景的RGB特征差别较大图像的植被识别精度均较高。植被识别精度与研究区图像中冬小麦所占比例成正比,与阔叶林、建筑物/道路所占比例成反比。     

成像光谱遥感技术及其图像光谱信息提取的分析研究

成像光谱技术是80年代发展起来的最新遥感方法。本文对其原理、理论基础及图像光谱信息提取的方法进行了探讨,并在红外细分光谱(FIMS)金矿蚀变带信息提取分析研究的基础上,通过对可见光细分19波段AMSS、澳大利亚的24波段GEOSCAN、MKII AMSS及美国GER64通道成像光谱数据的初步处理,发展和形成了一些针对超多波段成像光谱数据的图像处理和分析及光谱信息提取的方法。 成像光谱信息提取的方法,主要包括图像光谱反射率转换技术、图像光谱曲线显示、光谱特征参数测度(光谱吸收特征的波长位置、宽度、深度)、图像地物光谱曲线与地物光谱数据库的信息匹配以及地物光谱识别专家系统。本文以红外细分光谱图像在金矿蚀变带信息提取分析中的应用为例,讨论了成像光谱图像的一种处理分析技术及其发展前景。