基于自适应背景估计的视频运动对象提取

提出了一种结合帧间差和减背景的运动目标提取算法，在使用差值图像的高阶统计量检测运动对象的同时估计可靠的背景模型，井通过背景选择性替换机制解决局部背景区域变化的问题。算法需调整的参数少，易于实现。实验结果表明算法具有良好的性能。     

一种基于道路网的移动对象的位置索引与邻近查询方法

车辆监控/导航、位置服务、智能交通等实际应用需求对移动对象的存储、获取与分析提出了新的要求.高效地管理和分析随时间变化的移动对象的位置数据,从而为用户提供更加快捷、智能的服务已成为国内外的一个研究热点.针对路网中移动对象当前位置的索引更新与查询问题,提出一种集路网几何/拓扑、交叉口转向约束以及移动对象位置的索引模型,探讨基于该模型的查询与更新.通过与IMORS索引的比较表明该模型提高了索引更新的效率,支持并加强了K邻近等基于网络距离的查询.     

视频对象分割及跟踪方法研究

讨论和分析了视频对象全自动提取及后续帧中的跟踪过程及采用的方法 ,对其算法、分割性能和结果进行了比较和评述。并结合Hausdorff和Snake跟踪器 ,对初始对象轮廓进行跟踪。结果证明 ,这种跟踪方法能有效地解决对象被遮挡和形变以及背景移动的问题     

地形数据对象存储组织方式及其分布策略研究

结合基于对象存储技术,将地形数据按平面格网划分成若干个瓦片,每个瓦片映射为一个对象存储在基于对象存储系统中。根据地形瓦片之间的位置相关性,提出一种地形数据矢量基对分布策略,将多个瓦片对象分布在多个基于对象存储设备中,充分发挥基于对象存储系统的并行性。并采用分布模板的思想来实现矢量基对分布策略,减小运算的复杂度。该策略保证查询窗口在一定范围内每台基于对象存储设备最多只被访问一次,且响应时间恒定。     

移动对象时空轨迹及社交关系一体化数据模型

泛地理信息时代来临及SoLoMo互联网模式盛行,如何高效管理移动对象位置数据、社交关系数据及地理空间数据成为GIS与移动对象数据库研究领域一项全新的技术挑战。首先基于图模型提出了移动对象时空轨迹及社交关系的一体化数据模型GSM,实现了移动对象所在地理空间、移动对象位置与轨迹、移动对象之间社交关系的时空一体化表达,并定义了该模型的四种基础操作算子;然后基于图数据库系统Neo4J实现了GSM模型;最后利用真实的Brightkite、Gowalla位置社交网络数据验证了GSM模型的有效性。所提出的GSM模型能够有效避免关系数据库中表连接造成的移动对象管理与查询效率低下的问题,具有良好的执行效率及稳定性,可为基于位置的社交网络应用提供核心技术支持。     

移动区域时空关系变化建模研究

针对二维欧氏空间内的移动区域对象在时空关系变化建模中存在的问题,该文提出了一种时空关系变化序列模型,并建立了时空关系变化概念邻域图。采取基于时间片的时空数据模型,通过分析移动区域间随时间变化的拓扑、距离和方位关系,解决时空关系变化的集成建模问题。该方法能有效刻画移动区域的动态时空特征。     

顾及纹理特征贡献度的变化影像对象提取算法

遥感影像变化检测是全球变化研究的重要内容。基于两期遥感影像的变化检测方法存在数据条件要求苛刻、难以充分利用快速发展的多源遥感影像数据等问题。目前许多变化检测的参考数据中包含了一期分类矢量数据,矢量数据中往往包含了位置、形状、大小和类别属性等先验信息,充分利用这些先验信息将可提高变化检测精度。提取变化影像对象是结合矢量数据和遥感影像进行变化检测的核心步骤。本文提出了一种顾及纹理特征贡献度的变化影像对象提取方法。该方法利用矢量数据分割遥感影像,获取影像对象,计算影像对象纹理特征值。根据信息增益原理计算纹理特征参数的特征贡献度,选择特征参数。由贡献度指数大小确定纹理特征参数权重,计算影像对象与先验要素类别的相似度系数,提取变化影像对象。试验结果表明,基于纹理特征贡献度的特征参数选择,能有效地提高变化影像对象提取结果的精度。     

基于对象上下文信息的无人机影像建筑物提取

针对全卷积网络进行遥感影像语义分割时存在的空间信息和上下文信息缺失问题,本文提出一种基于对象上下文信息的无人机遥感影像建筑物提取方法。该方法首先采用高分辨率网络(HRNet)作为主干网络提取空间信息完整的多尺度高分辨率特征;然后依据主干网络提取的特征在真实标签的监督下划分对象区域,并计算每个像素与对象区域之间的关系得到像素与对象区域的上下文信息;最后将主干网络提取的高分辨率特征与对象上下文信息组合实现特征增强,依据增强后的特征实现无人机遥感影像中建筑物的提取。两个数据集的实验结果均表明,本文方法有效提高建筑物提取精度。     

联合像素级和对象级分析的遥感影像变化检测

为改善高空间分辨率遥感影像的变化检测精度,提出一种联合像素级和对象级分析的变化检测新框架。首先将多时相影像进行叠合,对叠加影像进行主成分分析,并利用基于熵率的方法对第一主成分影像进行分割,通过改变超像素数目来获取多层次不同尺寸大小的超像素区域。同时,对多时相影像进行光谱差异和纹理差异分析,采用自适应PCNN神经网络方法进行图像融合,利用水平集(CV)方法对融合后的影像进行分割获取像素级变化检测结果。最后,结合多尺度区域标记矩阵对检测结果进行变化强度等级量化和决策级融合,作为变化检测的后处理部分,以获取最终的对象级变化检测结果。采用SPOT-5多光谱影像进行试验。结果表明这种新框架可以有效集成基于像素和基于对象两种图像分析方法的优势,能够进一步提高变化检测过程的稳定性和适用性。     

分布式空间数据存储对象

针对地理空间数据的地域性和日益突出的数据量快速增长特性，提出了分布式空间数据存储对象概念。介绍了基于分布式空间数据存储对象来实现一种高性能、可伸缩、跨平台共事的大规模海量空间数据存储管理机制，为分布式GIS数据存储提供了一种新的思路。     

像素级和对象级高分辨率遥感图像变化检测分析

高分辨率遥感图像具有丰富的纹理信息,而像素级变化检测方法主要分析图像的光谱信息,导致将像素级变化检测方法用于高分辨率遥感图像具有一定的局限性。因此,本文提出了一种像素级与对象级相结合的高分辨率遥感图像变化检测方法,解决了像素级与对象级变化检测方法中存在的椒盐现象、误检等问题。首先,结合高分辨率遥感图像的多维特征,构建遥感图像变化检测模型;其次,利用随机森林分类器对图像进行分类,得到像素级变化检测结果;最后,将像素级变化检测结果与图像对象分割结果进行融合,得到图像变化区域和不变区域。试验结果表明,该算法具有较高的准确率和检测精度。     

利用天文观测图像对空间碎片目标进行自动识别与追踪

提出了一种利用天文观测手段获取的CCD图像序列对空间碎片进行自动识别和追踪的方法。该方法采用计算机图像处理、图像识别与分析和计算机视觉等相关技术,自动识别出每幅CCD图像中的空间碎片以及背景恒星等空间目标,并定量计算其有关特征;然后根据空间碎片移动较快的特点,在CCD图像序列中结合基于Snake模型的主动轮廓追踪和特征相似性比较两种方法,对其中出现的空间碎片目标进行自动识别和追踪。实验结果显示,该方法能准确地对空间碎片目标进行自动识别和追踪。     

基于随机森林的遥感影像变化检测

随机森林是一种新兴的、高度灵活的机器学习算法,在预测和分类方面有着良好的稳定性,且算法性能要优于许多单预测器。鉴于此,本文提出了随机森林的遥感影像变化检测算法,利用熵率法对遥感影像进行超像素分割,获取最优分割结果;构建了基于随机森林的遥感影像变化检测模型,以所提取的Gabor特征和光谱特征作为模型输入进行训练和预测,并将有决策树的投票作为最终的变化检测结果。试验结果表明,本文所构建的随机森林变化检测模型在漏检率和虚检率上明显低于其他算法,且总体正确率高,在算法时间上也明显优于其他算法。     

带有区域分裂自适应细化过程的SAR海冰图像分割

受海冰自身特性、成像系统特性和环境因素的影响,合成孔径雷达SAR海冰图像具有非平稳、尺度依赖的空间结构,现有的单马尔可夫随机场MRF模型分割方法只能较好地适应非平稳性,对海冰场景的多尺度结构考虑仍然是全局的。为此,本文提出了一种区域分裂过程与二叉树分层结构自适应更新相结合的单MRF图像分割方法。首先利用单MRF模型的全局迭代权值完成初始区域合并,同时以二叉树形式保护合并过程的记录。所设计的分层合并算法可保证二叉树结构的节点数与场景中的对象尺度具有正相关性。随后的细化分裂并不产生新的区域,只是返回到初始配置。依据场景中不同区域对象的尺度,自适应地调整空间语境模型中的尺度权值,实现区域更新。实验表明,该方法有效提高了带有多尺度结构SAR海冰场景的分割精度。     

高分辨率遥感影像并行分割结果缝合算法

采用基于数据并行的遥感影像分割实现过程,提出了一种新的数据缝合算法解决分割结果合并问题。分割效果对比和运算效率分析等实验结果表明,此算法保持了分割结果合并后的边界正确性,使并行化分割在提高运算效率的同时保证了分割结果的可信度。     

融合光谱及形态学信息的对象级空间特征提取方法

针对传统的高分辨率遥感影像分割方法仅利用光谱特征或者形态学特征的弊端,提出了一种融合光谱信息和形态学信息的多尺度分割算法。该算法首先利用差分多尺度形态学序列特征与影像光谱特征构造光谱-形态学特征集,然后利用Hausdorff距离计算相邻像素的边权值并构造图模型,利用最小生成树Kruskal算法完成影像的初始分割,最后结合分形网络进化的区域异质性准则完成区域合并。在该分割结果的基础上,提出了面向对象的灰度共生矩阵特征和面向对象的像元形状指数特征。实验结果显示,所提出的分割方法在效果和效率上均优于eCognition 8.0和Meanshift算法,并且对象级灰度共生矩阵特征和对象级像元形状指数特征明显优于传统的像素级特征。     

面向对象的遥感影像变化检测方法

针对变化检测区域内变化区域与未变化区域面积比例较低时,通过常规的阈值计算无法在变化检测中确定准确的变化阈值问题,该文提出了一种带样本选择的面向对象遥感影像变化检测方法。该方法首先对多时相遥感影像进行多尺度分割获取像斑,并采用变化向量分析法计算像斑的差异度;然后,自适应选择训练样本,结合基于期望最大化算法和贝叶斯最小误差率理论的阈值计算方法,采用独立阈值法确定变化阈值;最后,利用变化阈值对差异影像进行二值分割,并获取变化检测结果。实验结果表明该文方法在变化检测精度上优于常规方法。     

DT-CWT结合MRF的遥感图像变化检测

为了解决多尺度遥感图像变化检测在降噪时丢失大量高频信息及单一像素孤立性的问题,提出了一种双树复小波变换DT-CWT(Dual-tree Complex Wavelet Transform)和马尔可夫随机场MRF(Markov Random Field)相结合的非监督遥感图像变化检测算法,首先采用DT-CWT对差异图像进行多尺度分解,并根据MRF模型分割算法提取高频区域的变化特征,然后进行相应层的高、低频重构,再对重构后的各层建立MRF模型并根据贝叶斯最大后验概率准则MAP(Maximum A Posterior)进行最终分割,最后对各层分割结果进行求交融合,得到最终的变化检测结果掩膜图。对比实验结果表明,该方法在去除杂点和噪声的同时能够较好地保留高频信息,并且边缘检测更加平滑,具有较高的变化检测精度和很好的鲁棒性。     

利用多尺度语义模型的复杂图像目标自动提取方法

针对现有方法对复杂图像目标自动提取性能欠佳等不足,提出了一种新的利用多尺度语义模型的目标自动提取方法。首先,采用多尺度分割得到的图像块作为目标提取的候选区域;然后,利用语义模型获取目标的语义分布信息;最后,目标提取阶段统计各个图像块的语义相关函数,并通过最大化该函数确定出目标。实验结果表明,此方法能够准确、有效地提取出目标,精度高,用户工作量少。