基于数学形态学与多尺度的建筑物信息提取

针对传统分类方法提取高分辨率影像时,计算量大、算法效率低等缺点,从面向对象的角度采用数学形态学与多尺度相结合的方法对高分辨率影像进行分割;并将得到的最优分割对象与K-means、最大似然分类方法进行比较。该方法首先选用符合目标提取特征的结构元素探测影像边缘信息,再把探测得到的不同尺度边缘信息进行熵权边缘融合。结果表明,该方法提取的建筑物信息优于传统方法。     

基于均值漂移和谱图分割的极化SAR影像分割方法及其评价

提出了一种基于均值漂移和谱图分割的极化SAR(PolSAR)影像分割方法。首先,通过均值漂移算法对PolSAR影像进行过分割处理,并基于Wishart统计分布和假设检验的方法构建边缘检测器,充分利用了PolSAR影像的全极化信息提取边缘信息;然后,在过分割和边缘信息的基础上构建相似性度量矩阵,并采用归一化割准则实现PolSAR影像的分割。该算法充分利用了均值漂移算法过分割的特点,降低了谱图分割算法的运算代价,并结合谱图分割算法全局优化的优点改善了PolSAR影像的分割结果;最后,利用Radar-sat-2全极化影像进行了实验,并采用改进的分割效果评价方法实现了精度评价。实验表明,该算法有效地实现了PolSAR影像的分割,显著提高了谱图分割算法的效率,分割结果优良,分割精度优于eCognition软件中的多尺度分割方法。     

基于重构的多尺度目标提取与分割

通过形态重构开闭算子构造了一个多尺度的目标提取和分割算法。首先用结构元素nB对影像分别作基于重构的Top-Hat和Bottom-Hat变换,得到所有不能放入nB的亮和暗的目标;然后再用结构元素(n-1)B对影像作开运算,消除所有不能放入该结构元素的目标。那么结果影像中就只剩下能同时放入nB和(n-1)B的目标。对不同尺度的结果影像进行处理,就可以得到不同尺度下的目标分割结果。重构是一个连通区域算子,连通区域是运算的基本单位,所以不会改变影像中边缘的位置,同时不会有新的边缘和虚假的极值出现。     

融合像素—多尺度区域特征的高分辨率遥感影像分类算法

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。     

Landsat 8多光谱数据辅助下的高分影像多尺度分割

为解决高分影像分割的边缘锯齿性明显等问题,本文以黑龙江省伊春市桦皮羌子林场为研究区开展了有无多光谱数据辅助的高分影像分割对比试验。首先,本文设计了多尺度分割算法的相同尺度参数下分割试验,确定了该算法分割GF-2影像时应采用的最佳同质性准则组合参数;然后,基于影像分割对象同质性局部方差变化率反映最优分割尺度的思想,利用ESP2工具找出固定尺度范围内的最优分割尺度范围;最后执行最佳同质性准则组合参数配合下的最优分割尺度范围内各个尺度下的多尺度分割,并采用矢量距离指数、紧密度指数、形状指数对2种分割试验结果进行了评价。结果表明,与GF-2影像独立分割相比,Landsat 8多光谱数据辅助下的GF-2影像分割在矢量距离指数、紧密度指数、形状指数的质量上均有提升,平均提升率分别为8.05%、28.40%、11.76%。     

高分辨率遥感影像中云和似云目标的自动区分

云的存在会对遥感影像的处理及目标识别等产生影响,因此,自动提取云对高分辨率卫星影像的应用具有重要意义。高分影像上更加复杂的云的细节形态及似云目标的干扰,使得高分影像的自动云提取难以达到实用水平。本文以雪地为例,选取形状、纹理和边缘3个差异化特征作为云与似云目标区分的关键,提出了一种区分高分辨率遥感影像中云和似云目标的云检测算法。首先利用Wallis滤波对输入影像进行预处理,增强影像中不同尺度的影像纹理模式;然后对影像进行快速稳定的均值漂移分割,利用灰度和纹理特征构成支持向量机的第一层分类器,将分割后的区域对象分成"云"和普通地物,再利用边缘、形状、纹理等特征结合灰度特征构成支持向量机的第二层分类器,将"云"区分为云区和似云目标;最后使用Grab-cut对云检测结果进行边缘迭代精化。本文算法取得了优良的试验结果,证明了算法在似云目标干扰下对高分辨率遥感影像进行精确云检测的能力。     

一种融合边缘信息的面向对象遥感图像分割方法

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

结合光谱相似和相位一致的高分辨率影像分类

针对面向对象分类结果存在“平滑地物细节”的问题,该文提出顾及光谱相似性和相位一致的高分辨率影像分类方法。该方法首先采用顾及光谱相似性的相位一致的模型方法来获得边缘相应幅度,再采用自动标记分水岭算法对影像进行初分割;顾及相邻分割对象的空间位置、形状、面积等特征的多重约束,提出相邻分割对象合并代价函数模型,对分割结果进行优化,最后结合支持向量机(SVM)对分割对象进行分类。结果表明,本文方法在提高高分辨率影像分类精度的同时,还能保持地物细节。     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

基于多尺度标记的遥感影像分水岭分割

标记分水岭分割算法具有对弱边缘响应良好、速度快等优点,但过分割问题显著。本文采用邻域自适应阈值、区域合并方法对种子点选取过程进行优化,提出基于多尺度标记和边缘约束的多尺度分割算法。对不同遥感影像的实验结果表明,这种算法能够有效改善过分割问题,实现遥感影像的多尺度分割。     

条件平滑滤波及其应用

条件平滑滤波是一种非线性滤波。它通过设置阈值,对图像平滑处理进行控制,以便在突出 低频信息的同时,保留有用的边界信息和减少模糊效应,是分类和信息提取前对图像进行预处理 的较好方法。本文介绍了条件平滑滤波方法的原理和算法,以及本方法在S101图像处理系统上 的实现,并以实例阐述了条件平滑滤波的方法在遥感图像处理中的应用。     

基于目标灰度的土地利用变化信息边界提取

在变化信息自动发现的基础上,基于目标灰度信息,研究遥感影像中土地利用变化信息的边界提取方法。提出了一种典型区域法,方法是利用区域中分割目标密集的多个典型小区域的灰度直方图计算所有目标的分割阈值。由于影像中地物众多,为了减少噪声的影响,提高计算速度,先利用双阈值分割法对目标进行粗分割,再对其进行小波变换,利用其模值,以及结合目标灰度信息,可以将目标边界快速地提取出来。     

基于目标灰度的土地利用变化信息边界提取

为了提高大区域土地利用变化信息提取效率,本文在变化信息自动发现的基础上,基于目标灰度信息,研究遥感影像中土地利用变化信息的边界提取方法.由于研究对象是大区域中的小目标,无法直接利用灰度直方图寻找分割目标的灰度分布范围.本文提出了一种典型区域法,方法是利用区域中分割目标密集的多个典型小区域的灰度直方图计算所有目标的分割阈值.由于影像中地物众多,为了减少噪声的影响,提高计算速度,先利用双阈值分割法对目标进行粗分割,再对其进行小波变换,利用其模值,以及结合目标灰度信息,可以将目标边界快速地提取出来.     

基于多重信息融合的高分辨率遥感影像道路信息提取

在高分辨率遥感影像上进行道路提取一直被认为是一项具有重要意义但很困难的工作。尤其一些与道路光谱相近的地物,分类后与道路相互连接,难以区分。基于面状道路和边缘相互验证和辅助的思想,提出一种高分辨率遥感影像上提纯道路信息的方法。该方法首先在面状和边缘两个方面同时提高提取精度,然后由他们之间的逻辑互运算分割道路与非道路对象,并应用有效的形状指数（如：极惯性矩和狭长度指数）刻画和区分道路与非道路面状目标（如楼房等）,最终达到提纯道路的目的。实验结果表明了本文方法在去除非道路目标,提纯道路网络方面的有效性。     

基于知识自适应图像平滑

简要地讨论几种典型的空间域图像平滑方法,提出了一种新的保护图像边沿细节的平滑方法——补偿型中值法,并设计了一个基于知识的自适应平滑处理系统的框架。     

结合尺度空间的面向对象高分辨率影像城市道路提取

基于遥感影像的城市道路提取对于城市建设、规划和地图更新等有重要意义。针对高分辨率遥感影像城市道路网的复杂性,结合尺度空间思想提出一种面向对象的城市道路自动提取算法。在此基础上,使用Canny算子获取像元簇梯度图,并进行标记分水岭分割得到区域对象;建立城市道路与几何、光谱特征相关的道路规则,从分割结果中筛选出道路区域对象;使用形态学方法提取道路区域的骨架,并对骨架进行连接、光滑等后处理,最后输出道路网提取结果。实验结果表明,该方法用于复杂城市道路的高精度自动提取,对城市道路网更新有一定参考意义。     

航空图像光流场的逆向金字塔计算方法

航空图像光流场是低空运动目标检测与变化信息获取的基础,通常将图像金字塔结构引入数值过程以增强全局收敛性。然而,金字塔结构往往是由底层至顶层的递进方式构建,其忽略图像的几何成像过程,造成微小光流或不能得到光流的问题,导致难以支撑后续建模与分析。本文提出了一种以顶层图像为基准的逆向金字塔结构,首先依据中心投影定量地计算出顶层图像的降采样因子,使得顶层图像光流能够反映所设定的地面目标位移阈值;其次,结合顶层与原始图像,以等比方式确定中间层降采样因子;最后,利用高斯平滑与图像插值得到中间层图像,并形成金字塔。对比试验与分析表明,逆向金字塔可准确地计算航空图像光流场,在抑制地面微小位移方面具有优势。     

局部物体块匹配的图像匹配算法

构建具有较强表达能力的图像特征是图像匹配应用的核心环节.训练孪生神经(Siamese)特征提取网络构建图像局部特征,通过图像局部特征的匹配解决整体图像匹配的问题.在图像匹配过程中,首先检测图像中包含的物体块,采用特征提取网络构建各物体块的特征表达,然后计算各物体块间的相似度,组成图像对相似矩阵,最后基于相似矩阵构建图像...     

高光谱影像能量边缘提取

高光谱影像的能量边缘提取方法的本质是利用高光谱信号的能量相似性与能量分布特征来寻找边缘,从能量边缘图可以提取属于不同地物类别的主要边缘,这些边缘都比较明显与完整。实验结果表明,能量边缘对噪声信号不敏感,与用其他方法寻找边缘的结果相比,能量边缘具有更好的效果。