Automatic recognition of freight car number

1　ＩｎｔｒｏｄｕｃｔｉｏｎＡｕｔｏｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｆｒｅｉｇｈｔｃａｒｐｌａｙｓａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｉｎｔｅｌｌｉｇｅｎｔｍａｎａｇｅｍｅｎｔｏｆｒａｉｌｗａｙｔｒａｎｓｐｏｒｔａｔｉｏｎ.Ｉｔｐｒｏｖｉｄｅｓａｎｉｍｐｏｒｔａｎｔｅｖｉｄｅｎｃｅｆｏｒａｔｔｅｍｐｅｒｉｎｇｖｅｈｉｃｌｅａｎｄｆｒｅｉｇｈｔａｇｅ.Ａｔｐｒｅｓｅｎｔ,ａｕｔｏｍａｔｉｃｒｅｃｏｒｄｉｎｇｓｙｓｔｅｍｃａｌｌｅｄｅｌｅｃｔｒｏｎｉｃｒａｉｌｗａｙｗｅｉｇｈｉｎｇａｐｐａｒａｔ…     

基于MATLAB图像处理的汽车牌照识别研究

汽车牌照识别是智能交通领域的重要研究课题,整个过程主要分为预处理、车牌定位、字符分割、字符识别4个环节。用MATLAB软件编写代码实现每一个过程,有效地解决恶劣环境下的车牌定位、字符倾斜、字符分割等复杂问题,结果表明MATLAB在彩色汽车牌照的识别中十分有效。     

复杂背景文件图像的字符提取

对含有多种噪声的复杂背景笔迹图像的字符提取进行了研究。提取灰度共生矩阵的二次统计量惯性矩特征来进行图像分割,采用Hough变换方法来检测图像中的表格直线。笔迹图像字符提取步骤包括格线检测、图像分割、区域生长恢复字符笔画、去格线和断笔修补。实验证明了该方法的可靠性。     

一种序列切片图像的快速自动分割方法

提出了一种针对中国虚拟人彩色序列切片图像的连续自动分割方法,其主体思想基于区域生长算法,采用颜色与纹理相结合的方式评估相似度,应用窗口中值法避免出现噪声种子点,提出一种侵蚀算法自动生成目标种子点,利用自适应算法设定阈值。整个分割流程采用并行计算的多线程架构,能够实现虚拟人主要器官组织的快速序列化分割,自动化程度较高,分割得到的器官轮廓清晰准确,三维建模后的效果良好。     

基于面积比分割的面状水域提取方法研究

针对目前遥感影像中面状水域提取算法的自动化程度不高的问题,本文提出了一种基于面积比分割的面状水域提取算法。首先,利用矢量数据提供的面积作为先验信息,对待提取的遥感影像进行图像分割,经过去噪、边缘检测等环节实现面状水域的初步提取;然后将初步提取的面状水域带入到主动轮廓模型中,作为初始边界对面状水域进行精确提取;最后,以天绘影像对上述算法进行验证,结果表明:该算法能够有效提取面状水域,提高现有算法的自动化程度。     

基于数据融合的行树与篱笆三维信息自动提取

通过融合GIS数据、DSM和CIR立体影像等不同数据源,自动提取行树与篱笆的三维信息。综合采用了影像分割、边缘提取、直线段连接与编组、DSM三维验证等手段,成功地从航空立体像对中提取出目标信息。所提取的行树与篱笆信息可以应用于GIS数据更新、土壤监测与保护、风侵蚀的危害计算等。     

利用Faster R-CNN进行立交桥自动识别与定位

立交桥结构的自动识别对道路网多尺度建模、空间分析和车辆导航具有重要意义.传统基于矢量数据的立交桥识别方法过分依赖人工设计的特征,对复杂场景的适应性较差.本文提出了一种基于目标检测Faster R-CNN神经网络模型的立交桥识别方法,该方法利用卷积神经网络学习立交桥样本的深层次结构特征,进而实现立交桥的自动识别与准确定位...     

Remote Sensing Image Segmentation with Probabilistic Neural Networks

This paper focuses on the image segmentation with probabilistic neural networks (PNNs). Back propagation neural networks (BpNNs) and multi perceptron neural networks (MLPs) are also considered in this study, Especially, this paper investigates the implementation of PNNs in image segmentation and optimal processing of image segmentation with a PNN. The comparison between image segmentations with PNNs and with other neural networks is given. The experimental results show that PNNs can be successfully applied to image segmentation for good results.     

面向对象影像分类中分割参数的选择

提出了一种基于区域生长方法的分割参数选择方案,从各个类别的训练样区中提取分割参数信息。通过一系列的影像区域分割,计算得出一个最大的目标函数值,为每个类别推演出最佳分割参数;在单个类别参数影像分割和分类的基础上,融合所有处理结果,最后完成影像分类。实验验证了所提出方法的有效性。     

基于实例分割模型的建筑物自动提取

传统的遥感影像目标提取方法大多采用目视解译或基于像素信息进行处理,难以适用于高分辨率影像中的复杂场景。而现有的卷积神经网络语义分割模型,由于难以达到较高的精度会出现提取目标粘连的情况。针对该问题,本文对实例分割模型Mask R-CNN进行改进,提出了一种高效、准确的高分辨率遥感影像建筑物提取算法。首先,在Mask R-CNN原有的特征提取部分每个层级的特征图后再增加一层卷积操作,以降低上采样造成的混叠效应;然后,在原有掩膜预测结构的基础上增加一个分支,改善掩膜预测的效果;最后,将改进后的网络在建筑物数据集上进行训练。结果表明,本文方法能够准确独立预测每个建筑物顶部,没有目标粘连情况,且mAP值较Mask R-CNN有所提高,能够有效实现遥感影像建筑物精细化提取。     

针对车载移动测量系统的交通标志自动检测

针对自然场景图像中交通标志的自动检测问题,提出了一种交通标志快速自动检测算法。该算法综合运用了自适应图像分割、灰度投影、形状分析和立体影像匹配等技术,实现了车载立体影像中道路交通标志的快速自动检测及其空间位置、尺寸等几何信息的计算。利用该算法对车载移动测量系统所拍摄的实际影像进行了实验,结果表明该算法具有鲁棒性强、检测速度快和检测准确率高等特点。     

机载激光雷达点云辅助的镶嵌线自动选择

本文提出了一种基于激光雷达点云辅助的正射影像镶嵌线自动选取方法。首先,利用配准后的激光雷达点云生成数字表面模型和数字高程模型,以重叠区域影像之间的相似度和梯度差异构建代价矩阵;然后,将数字表面模型与数字高程模型相减得到差值图表示地物真实的高程信息,利用自适应阈值分割将差值图划分为不同的区域,并赋予不同的惩罚系数;最后,以代价最小为标准,基于Dijkstra算法得到最终的镶嵌线。本文方法生成的镶嵌线能成功地绕开大多数障碍地物,能够满足影像拼接应用的需求。     

一种融合数学形态学运算的多尺度建筑物分割算法

多尺度分割算法是面向对象的图像分析方法中的一种较为成熟、稳定的分割算法,但存在部分分割不准确和分割效率低等问题.为此,提出一种融合数学形态学运算的多尺度建筑物分割算法:首先利用高斯滤波器对遥感图像进行滤波处理,然后通过数学形态学运算对图像进行腐蚀处理,最后采用多尺度分割算法得到建筑物影像.对昆明市局部区域的QuickBird图像进行多尺度建筑物分割实验的结果表明,该算法具有分割精度高、效率快等优点,对类似工作有一定的借鉴意义.     

基于图像分割的数字航空影像匀光

在传统光学晒印中的马斯克（MASK）匀光原理的基础上,采用数字图像处理中的图像分割技术,对不均匀光照的数字航空影像进行了匀光处理,提出一种适应性强的数字匀光的处理方法,使得马斯克匀光原理在对数字影像的处理中能更加有效的发挥作用。     

基于LiDAR的海岛岸线自动提取研究

为了探讨栅格化方法与图像分割法对海岛岸线提取的效果,本文主要研究了基于Li DAR数据利用这两种方法对某岛进行瞬时海岸线的提取。利用栅格化方法通过对Li DAR点云数据进行粗差剔除、滤波去噪、构建Terrain数据集、创建栅格表面、生成TIN模型及自动生成等高线,从而实现了瞬时海岸线的提取;利用图像分割法是通过对Li DAR点云数据进行粗差剔除、滤波处理、构建TIN模型、生成二值栅格图像、图像处理与图像边缘提取的过程实现瞬时海岸线的提取。对两种方法提取的海岸线进行叠加显示分析,试验结果表明:两种方法提取的海岸线形态结构基本吻合,海岸线提取效率较传统方法均有提高,但栅格化方法提取的海岸线比图像分割方法提取的海岸线更平滑、更细化,边缘信息较为丰富,与实际海岸线更贴切,效果更加理想。     

基于区域特征的航拍图像水上桥梁自动识别

针对航拍图像中水上桥梁目标的自动识别问题,提出了基于区域特征的水上桥梁自动识别算法。首先对航拍图像进行基于梯度均方差的图像二值化;再进行基于像素密度的二值图像去噪;然后进行基于像素的二值图像连通区域标记,区域标记算法采用6邻域连通规则进行标识,能够有效获取水域的区域特征;最后进行桥梁的精确提取。实验结果表明,该算法能够有效地识别低对比度、低空侧拍等复杂航拍图像中的水上桥梁目标。     

可变类多光谱遥感图像分割

确定图像类别数是图像分割中的重要任务,在大多数分割算法中需由用户预先指定类别数。受地物目标及其分布的多样性、复杂性和未知性等因素的限制、对彩色遥感图像而言,人为确定其类别数非常困难。为此,提出了一种基于区域和统计的可变类分割方法,融合规则划分技术和R.JMCMC算法,利用规则划分将图像域划分成若干个规则子块,并假设每个规则子块内的像素服从同一独立的多值Gaussian分布;在此基础上南贝叶斯定理构建图像分割模型;利用ReversibleJump Markov Chain Monte Carlo(RJMCMC)算法模拟该模型,实现罔像类别数的自动确定及图像粗分割;为了进一步提高图像分割精度,设计精细化操作,对Worldview-2合成及彩色遥感图像和多光谱IKONOS图像进行可变类分割,实验结果表明,提出方法不仅能自动确定图像类别数,还可以较好地实现区域分割。本文方法较好地实现彩色遥感图像的可变类分割。     

从卫星遥感全色图像中自动提取城市目标

提出了一种从卫星遥感全色图像中自动提取城市目标的方法。在总结城市目标的卫星遥感全色图像特性的基础上,设计了一种层次提取的方法。首先在低分辨率图像中提取城市目标的候选区域;接着在候选区域内利用城市目标一些更复杂的特性在高分辨率图像中证实城市目标。为了获得城市目标的边界,提出了一种基于边缘点密度的算法,并将算法应用去提取SPOT图像中的城市目标,取得了较好的试验结果。     

A novel confidence estimation method for neural networks in multispectral image classification

Abstract

The Digital Earth concept has attracted much attention recently and this approach uses a variety of earth observation data from the global to the local scale. Imaging techniques have made much progress technically and the methods used for automatic extraction of geo-ralated information are of importance in Digital Earth science. One of these methods, artificial neural networks (ANN) techniques, have been effectively used in classification of remotely sensed images. Generally image classification with ANN has been producing higher or equal mapping accuracies than parametric methods. Comparative studies have, in fact, shown that there is no discernible difference in classification accuracies between neural and conventional statistical approaches. Only well designed and trained neural networks can present a better performance than the standard statistical approaches. There are, as yet, no widely recognised standard methods to implement an optimum network. From this point of view it might be beneficial to quantify ANN's reliability in classification problems. To measure the reliability of the neural network might be a way of developing to determine suitable network structures. To date, the problem of confidence estimation of ANN has not been studied in remote sensing studies. A statistical method for quantifying the reliability of a neural network that can be used in image classification is investigated in this paper. For this purpose the method is to be based on a binomial experimentation concept to establish confidence intervals. This novel method can also be used for the selection of an appropriate network structure for the classification of multispectral imagery. Although the main focus of the research is to estimate confidence in ANN, the approach might also be applicable and relevant to Digital Earth technologies.     

An approach to extracting information of residential areas from Beijing-1 image based on Gabor texture segmentation

Abstract

According to the features of high-resolution panchromatic imagery of Beijing-1 small satellite, an approach to extracting information of residential areas is proposed in this paper based on Gabor texture segmentation. The algorithm extracts the features in different directions and different scales by building the Gabor filter, uses cluster analysis of multiple features to segment the image, and performs the fusion processing based on morphological scale space. It solves the problems in image processing resulting from low contrast between remote sensing objects and background, the blurring of image edges and high noise. It has the benefits of direction selection and frequency selection with strong self-adaptive ability. Our experiments prove the effectiveness of the approach for extracting information of residential areas from Beijing-1 high-resolution imagery.