一种基于对象的连通区域标记方法

传统连通区域标记方法主要为二次扫描法和区域增长法,针对目标主要是单个像素。这里将给出一种基于对象探索的连通区域标记方法,该方法无需通过多次扫描即可区分不同连通区。我们的研究对象依然是四连通区域,依靠新的探索方法单独提取出每个对象的边界,为栅格图像矢量化的后续工作打下基础。     

风云气象卫星影像自动精细云检测

抠图技术能够准确细致地检测出前景与背景的差异,但是现有的大多数抠图算法均需事先给出前景与背景的标记,在海量影像处理业务中具有明显的局限性。本文将抠图技术引入风云气象卫星影像云检测中,提出了基于连通区域抠图的自动精细云检测算法。首先对影像的灰度图像进行多种阈值方法二值化,通过投票法集成得到初步二分图;在此基础上计算连通区域,以连通区域的重心为种子点,自动生成连通区域三分图;最后使用闭形式抠图法求解alpha值进而得到精细的云检测结果。将该方法与基于学习和稳健性抠图检测算法进行了对比,试验结果表明,该方法能够较好地检测出多种类型的云,具有更高的准确率。     

基于增强KAZE的航拍地图拼接方法

基于局部特征的航拍图像拼接算法,是一种比较常用的建立局部地区地图的方式。针对现有的基于局部特征的拼接算法鲁棒性差速度慢等缺点,本文提出一种基于增强KAZE的航拍地图拼接方法。首先建立APAP算法模型,然后利用奇异值分解建立鲁棒性更强的KAZE描述符进行匹配,随后根据匹配点解APAP模型得到网格单应性矩阵,最后以三张航拍图像为一组,以中间图像为目标形变图像分别与左右图像进行拼接,非重叠区域进行网格单适应矩阵高斯加权变换。实验表明,该方法不仅具有很强的鲁棒性,而且拼接速度快,对于多张航拍图像可以减小拼接误差。     

基于高低帽变换的图像迭代分割方法

针对现有的迭代阈值分割算法作用于一些低对比度或一些变化较大的图像时精度不高、存在过度分割难以识别目标区域的问题,引入数学形态学模型,提出一种基于形态学中高低帽变换预处理后再进行迭代分割的改进优化算法。该算法利用高低帽变换来增大原始图像的灰度动态范围同时锐化图像,使图像清晰,再通过迭代阈值分割出目标区域,针对一些难以分割的目标,可以再次采用低帽变换凸显目标区域,最后通过二值图像连通区域标记,按面积擦除噪声区域完成分割。实验结果表明,不论是针对较小目标物体或是较大目标物体都能取得良好的分割效果,改进后算法的稳定性、适应性和分割精度都得到提升,具有广阔的应用前景。     

基于CFAR的高分PolSAR影像桥梁自动识别方法

桥梁的自动解译具有重要的应用价值,而在影像分辨率为分米级、桥梁场景复杂、桥梁目标较小的复杂情况下,准确地进行桥梁目标的自动识别比较困难。在分析高分辨率SAR（synthetic aperture radar）影像的统计特征和桥梁特征的基础上,提出了一种新的桥梁自动识别方法。首先采用基于Weibull分布的CFAR（constant false alarm rate）算法检测出潜在桥梁目标,然后基于Wishart-H-Alpha分类和形态学处理提取出桥梁场景区域,随后引入霍夫变换并利用桥梁的场景特征、几何特征和散射特征识别出桥梁目标。采用国产机载XSAR数据和美国AIRSAR数据进行验证,结果表明,该识别方法在复杂情况下能够取得令人满意的识别结果,具有较好的适应性。     

结合空间上下文与慢特征分析的多光谱影像变化检测

为了提高多光谱影像变化检测的精度,本文提出了一种结合空间上下文与慢特征分析的方法。首先采用自适应空间上下文提取算法围绕像素构建自适应区域,探索像素周围的上下文信息;然后通过迭代慢特征分析,由相应像素周围的成对自适应区域定量计算成对像素之间的变化强度,增强变化区域与未变区域的可分性;最后生成变化强度图像,采用大津阈值法作二值分类,将变化强度图划分为二值变化检测图。利用Landsat 7卫星ETM+传感器的图像,与4种基于代数的方法及基于变换的方法进行对比试验,结果表明,本文方法在降低漏检方面有所改善,提高了召回率。     

基于Delaunay划分结合EM\MPM算法的图像分割方法

为了克服传统基于区域的图像分割方法对图像初始划分完全随机进而导致算法效率低下的缺点,本文提出了一种基于Delaunay划分并结合最大期望值(Expectation Maximization,EM)和最大边缘概率(Maximization of the Posterior Marginal,MPM)算法的图像分割方法。该方法首先提取图像特征点,并把特征点集作为构建Delaunay三角网的基础点集。利用Delaunay三角网的构建将影像划分成众多彼此连接的超像素,并假设这些超像素内的像素灰度值服从同一独立的正态分布,基于此完成特征场模型的建立,再运用EM\MPM方法分别模拟特征场模型和分割影像。为了验证本文提出的算法能够有效地分割图像,分别对模拟图像和真实图像进行分割测试,并和经典的初始划分完全随机的超像素影像分割算法进行对比,测试结果定性和定量地表明了该方法的有效性和准确性。     

基于聚类与重构的河流区域滤波方法

研究河流区域水体点云的分布特征与相互关系,提出基于特征聚类的点云分割与基于LLE算法的邻近点点云重构滤波方法。通过统计网格内点云的特征参数,进行点云分割并滤除水面点,再利用LLE算法的邻近点构建约束条件进行点云重构,分离近岸船只点云与岸堤点云的边缘,最后利用船只点云的独立性进行二值连通域标记与滤除,从而实现河流区域的点云滤波。实验表明,该方法能够滤除90%以上的水面点云与大部分船只点云。     

基于引力场增强的SAR图像舰船检测方法研究

船只检测是实现船只航行安全的重要措施之一,利用SAR图像可实现船只检测。然而,传统的一些方法一般容易受到SAR图像斑噪的影响,在检测结果中产生大量的虚警。为解决这一问题,本文提出了一种基于引力场增强的舰船检测方法。该方法利用像素与其邻域内像素的相互作用可对目标像素增强的效应,有效地抑制了斑噪像素和背景像素的强度,凸显了目标。由于增强后的像素已经不满足对海面区域的均质性假设,因此直接使用恒虚警检测算法对图像进行全局检测并不能够得到很好的效果,据此本文引入了一个基于均质区域自适应分割的改进的K-CFAR检测算法,将图像分割为不同大小的一系列均质区域,并分别对各个均质区域使用一个改进的K-CFAR检测器对船只目标进行检测。最后,使用Radarsat-1数据和Envisat ASAR数据对本文算法进行了验证。实验表明,本文提出的方法能够有效地凸显弱目标,增加检测准确性,降低检测的虚警概率。     

综合聚类和上下文特征的高光谱影像分类

常规高光谱影像逐像素分类往往没有考虑空间相关性,分类结果未体现地物的空间关联和分布特征。为了在分类中充分利用空间特征,利用聚类信息并结合隐马尔可夫随机场模型讨论了高光谱遥感影像光谱-空间分类方法。首先,在不同特征提取方法（最小噪声分离、独立成分分析和主成分分析）下,使用不同聚类方法（k-均值、迭代自组织分析算法和模糊c-均值算法）借助隐马尔可夫随机场获取优化的分割图;然后,采用4连通区域标记法对分割区域标记生成图像对象,并根据支持向量机的逐像素分类结果采用多数投票法对图像对象进行分类;最后,借助凹槽窗口邻域滤波技术改进分类结果,削弱“椒盐”现象。该方法综合了监督分类和非监督分类的优势,通过聚类引入地物空间相关性信息,通过隐马尔可夫随机场引入上下文特征,较好地弥补了单纯基于光谱信息分类的不足。     

基于改进随机蕨算法的GIS增强现实应用研究

随机蕨算法由于其简单高效,实时性好的特点,在计算机视觉领域得到了广泛的应用。但是其在构造二值特征过程中采用的基于像素点灰度值比较的方法对图像变形的适应性较差。本文基于方向梯度直方图对光照变化,图像变形鲁棒性较好的特点,利用统计方向梯度直方图取代像素灰度值进行比较,以此构造特征点二值特征。基于改进的随机蕨算法,本文设计了一种将增强现实技术(AR)应用于GIS的框架模型。实验结果表明,经过改进的随机蕨算法对目标识别的正确率得到了有效提升,且算法的实时性较好,适用于GIS的增强现实应用。     

结合笔画宽度变换与几何特征集的高分一号遥感图像河流提取

从高空间分辨率遥感影像中提取河流具有诸多重要意义。目前大多数方法致力于从河流的光谱特征或纹理特征出发提取河流,但对于存在同物异谱或异物同谱现象、纹理分析尺度难以确定或噪声严重的的图像,基于水体光谱分析或纹理分析的方法并不十分适用。高空间分辨率图像中的河流一般结构不规则,更可能由于各种原因致使河流的局部与整体拥有不一样的光谱特征和纹理特征,然而在一些遥感图像中,河流可能在大范围内具有近似一致的宽度,基于此,提出了结合笔画宽度变换(stroke width transform,SWT)和几何特征集(geometric feature set,GFS)的河流提取方法。首先,使用Canny算子提取图像边缘,并把边缘图作为SWT算法的输入,得到笔画宽度图;然后,使用连通域标记算法对其中的像元进行分组,接着根据构造的GFS来对分组之后得到的连通域进行筛选;最后,对剩下的连通域进行孔洞填充。使用高分一号(GF-1)近红外波段进行实验的结果表明,该方法能够在完整提取目标河流的同时很好地抑制噪声。同时,该方法在提取效果和算法稳定性上明显优于乘性Duda算子和区域生长算法。     

深度残差网络的多光谱遥感图像显著目标检测

本文侧重于介绍智能化摄影测量深度学习的深度残差方法。显著目标检测致力于自动检测和定位图像中人最感兴趣的目标区域。多波段遥感图像因其更加丰富的光谱信息和揭示观测目标物理属性的能力在目标检测中获得重要应用。传统的显著目标检测方法通过手工设计特征,计算图像各像素或者超像素与邻域像素或者超像素之间的对比度检测显著目标。随着深度学习的巨大发展,特别是全卷积神经网络的引入,基于深度卷积网络的显著目标检测算法取得重要进步。然而,由于数据获取和标记的困难,多波段遥感图像显著目标检测的研究依然主要采用手工设计特征。本文研究基于深度卷积神经网络的多波段遥感图像显著目标检测算法,提出一种基于深度残差网络的自上而下的多光波段遥感图像显著目标检测网络,该网络可以有效挖掘深度残差网络不同层次上的显著性特征,以端对端方式实现显著目标检测。为了应对多波段遥感图像数据量有限、无法训练深度残差网络的问题,本文提出通过浅层神经网络从RGB图像直接生成多波段遥感图像,实现光谱方向的超分辨率。在现有多波段遥感图像和可见光图像显著目标检测数据集上的试验结果超过当前最好方法10%以上,验证了本文方法的有效性。     

自适应无监督分类的PolSAR图像机场跑道区域快速检测

针对复杂PolSAR图像场景中机场目标区域检测问题,本文提出一种自适应无监督分类的机场目标快速检测方法,该方法首先对极化SAR相干矩阵分解提取PolSAR图像的特征值图,转化为超像素图实现图像去噪及降维。然后用SLIC超像素分割算法分割构造超像素。基于超像素图构建极化分类特征,并采用无监督的谱聚类方法提取出疑似机场跑道区域,其中的类别数确定利用VAT-DBE(Visual Assessment of cluster Tendency-Dark Block Extraction)算法获得。最后,在疑似区域内结合跑道结构特征进一步辨识检测出场景中的机场跑道区域。利用美国UAVSAR系统采集的多组全极化SAR实测数据对算法进行验证,并与两种已有的无监督跑道检测算法进行对比,实验结果表明,该算法能够快速准确检测出机场跑道区域,处理耗时可减小80%以上。具有更好的鲁棒性。     

具有视差的无人机航拍图像拼接算法研究

针对无人机航拍相邻图像会具有视差以及现有拼接算法易出现重影等问题,提出了一种基于APAP(as-projective-as-possible image stitching)算法航拍图像拼接方法。首先利用AKAZE(accelerated KAZE)算法对相邻图像进行特征匹配,然后借助APAP配准算法对相邻航拍图像进行配准,最后对重叠部分借助拉普拉斯金字塔融合算法进行融合得到拼接图像。实验证明：所提算法对航拍图像的拼接效果较好,无明显拼接痕迹,且拼接速度较快。     

一种从SAR图像中提取城市道路网络的方法

提出一种从高分辨率SAR图像中提取城市道路网络的算法.在高分辨率SAR图像中,道路在空间结构上表现为一细长的且宽度基本恒定不变的均匀区域.利用模糊C均值聚类方法对高分辨率SAR图像进行聚类分析,将道路类像素从原始图像中分离出来.为突出道路形状特征,减少冗余信息,对聚类结果进行细化,同时利用跟踪算子消除短线段;以提取道路中心线二值图的像素值作为图像能量,应用Snakes模型检测道路网络.通过实际SAR图像验证,该算法可以准确提取复杂的城市道路网络.     

一种大角度亚像素的图像自动配准算法

提出一种基于ASIFT和Harris集成互补不变特征的大角度影像亚像素自动配准算法。算法由中间输入图像获取、像素级配准和亚像素级配准三个主要处理过程。在中间输入图像获取过程中,首先提取ASIFT特征控制点,利用提取的控制点估计图像间的投影变换模型,将输入图像中的重叠区域重采样为与参考图像尺度相同的中间输入图像;在像素级配准过程中,用NCC函数进行配准,用基于投影变换模型的全局一致粗差检测方法删除误配点对;在亚像素级配准过程中,先利用二元二次曲面拟合方法进行亚像素位移测量定位,再进行亚像素配准,错误匹配点对剔除,配准精度计算。实际的大角度图像试验结果表明了算法的有效性和实用性。     

SAR影像变化检测的前景特征流形排序法EI北大核心CSCD

SAR影像变化检测的差异图分析法存在的两个问题:①连通区域内的部分变化区域易被误判为未变化区域;②中心先验假设并不适用于检测位于SAR影像边界的变化区域。本文针对以上两个问题设计了一种超像素分割和前景特征流行排序(manifold ranking,MR)的SAR影像变化检测方法(MRSFCD)。首先,通过单像素和邻域对数比算子进行加权融合构造差异图,可以保持变化区域内部的一致性并抑制噪声干扰。其次,对差异图进行超像素分割。然后,改进超像素的无向图连接方式,不对边界四周的超像素进行连接,利用超像素分割结果和灰度信息进行三次邻接。最后,将基于前景特征流行排序后得到的显著性图与单像素对数差异图进行点乘,对其进行阈值分割得到最终的二值变化图。本文通过采用3组双时相影像进行试验。结果表明,相较于其他变化检测算法,本文方法有效地提高了变化检测的精度。     

桥梁自然特征点的快速精确跟踪算法

特征点跟踪作为无人机对桥梁挠度进行视觉测量的关键技术，跟踪算法的速度和精度直接影响测量的实时性和有效性。本文首先通过加速稳健特征（SURF）匹配得到图像序列特征点的初步定位结果，然后使用相位相关法对特征点进行精确配准，并提出了一种基于无人机运动连续性的加速策略，用于桥梁自然特征点跟踪。利用无人机采集的4 K桥梁视频数据对本文算法进行测试，结果表明，本文算法对于桥梁自然特征点能够实现稳定跟踪，跟踪速度为25 FPS，跟踪精度达到亚像素级别，满足测量要求，能够为视觉测量提供技术支撑。     

基于混合模糊的SAR图像水陆分割算法

针对丹江口水库复杂环境背景下的水陆分割,提出一种基于混合模糊的SAR图像水陆分割算法。首先,该算法以统计SAR图像的灰度特征作为分割参数,采用自适应多阈值最大类间方差法(maximum between-class variance,OTSU)对库区水陆进行粗分割;然后,以各均匀区域的灰度均值作为初始化聚类中心的模糊C均值算法进行聚类迭代得到分类结果;最后,采用连通区域法,将邻域内较小的像素对象删除,从而实现水陆的精分割。通过对哨兵1A的GRDH数据实验表明,该方法对于地物种类和支流较多的内陆水域SAR图像有较好的分割效果。