基于边缘检测的编组法直线提取

对直线相位编组法进行改进,提出了一种在边缘检测基础上进行相位编组提取直线的方法.该方法充分利用了图像的梯度和幅值信息,能够比较准确地提出物体的边缘直线,克服了相位编组法中边缘灰度幅值信息利用不够、容易生成多边缘、不利于突出物体主边缘直线的缺点,在大比例尺城市房屋的提取中能发挥比较好的辅助作用.     

一种链码跟踪与相位验证相结合的直线提取方法

提出了一种链码跟踪与相位验证相结合的直线提取方法。该方法首先针对Canny边缘图提出一种完全细化方法;其次提出一种改进的链码跟踪方法,其步骤包括检测链码端点,建立动态链码主方向确定链码跟踪方向,优先跟踪八邻域内边缘点,八邻域内无边缘点再进行八邻域外边缘点,并采用直线化分析对链码进行动态约束;最后对链码进行直线拟合及相位验证,满足条件输出直线,不满足要求的链码则重新设定端点进行跟踪直线提取。通过多种不同光学图像数据的试验结果分析表明,本文所提出的方法不仅能够精确实现边缘直线信息的拟合,并且能够解决由于白噪声及相位编组所引起的直线断裂问题。     

叠置分区辅助的相位编组直线提取算法

针对现有相位编组方法在区域分界线处产生边缘断裂及同一分区内直线拟合难题,提出了一种叠置分区辅助的相位编组直线提取算法。该算法通过两次分区生成交叠的八分区模式,二次分区中心线与一次分区分界线相重合。首先根据初始四分区,将梯度相位相同且相互连接的边缘点编组生成直线支持区,再对其进行边缘分裂,进而拟合出对应的直线。然后将不满足一次分区条件的边缘点再依据二次分区进行直线提取,以弥补一次分区在分界线附近产生的边缘断裂。本文算法原理简单,不需要参数调整。试验验证和对比分析表明,该算法不仅能有效、准确地提取影像上的直线特征,而且对于影像上的曲线特征也能通过直线拟合得到较好的提取结果。     

基于直线感知增强的边缘提取算法

根据视觉识别边缘的感知特性,提出了一种基于直线感知增强的弱边缘的边缘提取算法。借鉴视觉的直线感知方式,针对弱边缘整体上呈直线分布的特点将其筛选出来,进行编组、连接和扩展。与Edison边缘提取算子的比较实验证明,本算法在对弱边缘的提取和虚假边缘的抑制上有显著增强。     

一种新的边缘直线拟合方法

针对直线提取过程中的断裂问题,该文提出一种新的边缘拟合直线方法,首先采用Canny算法提取边缘图;接着利用改进ZS算法对边缘图进行细化处理;然后通过端点检测、交叉点跟踪、闭合边缘跟踪等方法,实现边缘链码的完整性提取;最后利用边缘链码跟踪顺序进行直线提取。通过多幅影像的实验结果表明,该文所提出的算法能够精确实现边缘直线信息的拟合,便于对影像结构信息的清晰理解。     

Freeman链码优先级直线提取算法研究

针对目前直线提取算法的局限性,提出了一种简单高效的提取图像中目标物体直线边界的算法。本算法基于链码思想和数字直线特征,首先对图像进行边缘检测,对边缘检测后的图像按照优先级进行链码跟踪,获取初始链码;然后通过距离约束提高链码的直线性,剔除噪声和细节;最后进行直线合并,完成直线提取。实验表明,本文提出的算法能高效、准确地检测出图像中物体边界的直线,特别对较大的影像计算量小,抗噪能力强,适用于实时处理。     

基于多通道梯度特征的彩色图像直线提取方法

经典LSD直线提取算法仅采用图像的灰度信息,未充分考虑R,G,B彩色通道中的梯度差异,导致部分重要直线检测率低且连续性较差的问题,文中提出基于多通道梯度特征的彩色图像直线提取方法。首先计算彩色图像的R,G,B通道的梯度值及其对应的灰度图像的梯度值,然后取梯度的最大值及其对应的梯度方向作为初始梯度值,最后通过区域生长和直线拟合完成直线检测。采用多幅York城市图像数据库中的图像和真实影像进行实验,结果表明文中方法在彩色图像中的直线提取效果优于经典LSD直线提取算法,提取结果中直线信息更丰富,连续性更好。     

基于物方空间几何约束最小二乘匹配的建筑物半自动提取方法

提出了一种从数字航空立体像对半自动提取建筑物的方法。操作员通过人机界面选择房屋的种类并输入初始位置，然后经过边缘检测、直线段提取和据此房屋几何模型的线段自动编组等处理得到各房屋角点的初始位置，最后，为了获得房屋的精确定位和符合物方严格几何约束的结果，基于物方空间几何约束的最小二乘匹配平差模型用于求取房屋直线边缘和物方几何模型的最优匹配，试验表明，该方法能提高建筑物的提取精度并可为半自动建筑物提取提供一个灵活的框架。     

一种新的高分辨率遥感图像道路提取方法

根据高分辨率遥感影像中道路宽度变化均匀、局部方向稳定等几何特征,提出了一种基于距离约束的高分辨率影像道路的提取方法。该方法根据图像相邻边缘像素间的距离值,依次提取道路边缘像素和道路曲线段,然后编组连接各个道路段,实现道路提取。     

一种基于链码的线特征提取方法

文章针对目前线特征提取算法中不规则曲线不能得到有效逼近的问题,提出一种基于链码的线特征提取方法.它采用V0到V7的顺序对边缘二值图像进行链码跟踪,然后通过距离判断去逼近物体的边缘线特征.实验结果表明,该算法不仅可以高效准确提取出物体的直线边缘,而且能用直线段精确地逼近不规则物体的边界.     

利用机载三维成像仪的DSM数据自动提取建筑物

利用三维成像仪获取的DSM作为数据源，首先采用影像分割得到建筑物的平面轮廓线，再根据建筑物一般具有规则平面形状的特点，对建筑物的平面边缘线进行规格化处理，最后求出建筑物的平均高度值，从面得到建筑物的三维信息。试验表明，该方法是实用的。     

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路-车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。     

LiDAR数据中建筑物提取的新方法-Fc-S法

激光雷达技术(LiDAR)已广泛应用于数字高程模型(DEM)的快速获取和三维城市模型的建立中,但仍有许多不足之处,需要做更深入的研究。本文介绍了一种新的建筑物提取方法,称之为Fc-S法。该方法首先利用等高线特征进行滤波,从LIDAR数据内插的数字表面模型(DSM)中提取出DEM,利用DSM与DEM的高差阈值和DSM边缘特征参数去掉地面点和汽车等矮小物体,获得主要包含植被和建筑物的地物点群,然后对地物点群进行分割,利用二次梯度和面积等参数去掉植被点,并采用迭代逼近的方法精化建筑物。文章通过实验对所提方法进行验证,并借助高分辨率的航空影像对建筑物提取结果进行评估,评估结果表明该方法能够在地形起伏的区域中较准确地提取出建筑物。     

基于GIS平台的地形信息提取方案设计——以榆林市绥德县为例

人们很早就开始研究地形信息提取的技术,而传统的地形分析是基于二维平面地图进行的,从基于纸质地图到基于数字地图的地形分析,是地形分析手段和功能的一次重大突破。随着科学的发展,三维虚拟现实环境中的地形分析,使分析结构以可视化的状态更准确、更立体地表现出来,这又成为GIS历史上一个质的飞跃。地形信息的提取与分析,在水文学、地貌土壤学、生态学、工程学等领域都是有广泛应用的,所以,地形因子的提取成为本课题的重要研究方向。     

四叉树与多种活动轮廓模型相结合的遥感影像水边线提取方法

通过对测地线活动轮廓(GAC)模型、Chan-Vese(CV)模型、局部二值拟合(LBF)模型的分析,将基于边缘和区域的活动轮廓模型以及基于四叉树的影像分割方法有机结合,提出了一种基于四叉树和多种活动轮廓模型的水边线提取方法。该方法首先对影像进行四叉树分割,为模型演化提供初始轮廓;然后利用CV模型的全局区域图像统计信息和LBF模型的局部区域图像统计信息构造新的符号压力函数,利用改进的符号压力函数代替GAC模型的边界停止函数,有效地改善了GAC模型提前停止演化和过度演化的问题;最后采用二值选择和高斯滤波正则化水平集方法(SBGFRLS)进行演化,避免了重新初始化和规则化,提高了水平集演化的效率。试验结果表明该方法对于包括弱边缘和严重凹陷边缘的水边线提取效果均良好,具有亚像素提取精度,并且提取速度快、稳定性好。     

ANFIS在湿地遥感信息提取中的应用研究

自适应神经模糊推理系统(ANFIS)综合了模糊推理与神经网络的优点,本文探讨了其在湿地遥感信息提取中的应用。首先阐述了ANFIS分类方法的特点、原理以及分类流程;然后以黄河三角洲垦利县湿地为实验区,分析了基于ANFIS的湿地遥感信息提取;最后将由该方法得到的分类结果与传统分类方法进行比较,结果表明由该方法所得的分类总正确率与各地物正确率都有较好表现。     

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。     

正六边形规则格网表达的DEM谷地线提取

基于规则格网DEM谷地线提取受格网的几何形态、空间剖分和网格布局影响较大.传统的四边形格网D8 算法中,四边形网格的角邻域与边邻域存在的距离度量差异,影响了其计算结果对于地形变化的表达在两方向上的均衡性,从而影响了谷地线提取结果.六边形格网具有邻域一致、各向同性、紧凑、采样率高等优点,在空间场建模中越来越得到重用.本文旨在探求六边形格网结构在DEM谷地线提取中的性能特征,发现其与四边形格网比较的突出优势.基于六邻域处理单元,对六边形格网DEM谷地线提取过程中填洼、流向计算及平地区域流向判定作预处理,然后对流向线作拓扑连通组织,从而实现基于六边形DEM的谷地线提取.本文比较发现六边形方法在谷地线形状特征保持方面能力强,随着分辨率减小,六边形DEM所提取的谷地线与实测数据吻合程度高,弯曲特征继承性强.同时,在相同数据存储量条件下,六边形DEM数据精度更高,且其提取的谷地线网络的形状特征更为精细.     

基于梯度幅度直方图和类内方差的边缘提取方法

针对复杂背景中目标边缘提取的问题,提出一种基于梯度幅度直方图和类内方差进行边缘提取的新方法———CAGH(cluster algorithm based on gradient histogram)算法。该算法先分析经“非最大梯度抑制”后的梯度幅度直方图的特征,确定边缘集中区域,再通过类内方差确定梯度阈值,并利用该阈值确定边缘。在车牌识别中运用该方法提取复杂背景中的车牌边缘,并与Sobel、Canny等算法进行了比较。结果表明,CAGH算法适应性强、提取效率高,提取的是连通性、独立性好的单像素边缘,有利于后续的特征提取和模式识别。