Object Extraction Based on Evolutionary Morphological Processing

This paper introduces a novel technique for object detection using genetic algorithms and morphological processing. The method employs a kind of object oriented structure element, which is derived by genetic algorithms. The population of morphological filters is iteratively evaluated according to a statistical performance index corresponding to object extraction ability, and evolves into an optimal structuring element using the evolution principles of genetic search. Experimental results of road extraction from high resolution satellite images are presented to illustrate the merit and feasibility of the proposed method.     

利用双指数函数导数模型进行高分辨率卫星影像目标检测

提出了一种从高分辨率卫星影像中检测特定目标的方法。该方法首先用一种双边滤波的方法去除图像中的噪声,然后采用形态学处理的方法对图像进行分割和特征增强,并提取兴趣区域。在目标检测阶段,设计了一种基于双指数函数导数(DODE)模型的检测算子,该算子是面向具体目标设计的,能实现稳健的目标检测。对Google Earth中的影像分别进行了车辆检测实验和船舰检测实验,结果表明,此方法能够有效准确地检测高分辨率卫星影像中的特定目标。     

国产“环境一号”(HJ-1)卫星遥感影像桥梁提取研究

基于桥梁与水体的空间关系,结合卫星遥感影像数据包含的多光谱和形态学特征信息,提出一种有效提取国产“环境一号”(HJ-1)卫星遥感影像桥梁目标的方法.利用国产“环境一号”(HJ-1)卫星遥感影像数据进行桥梁目标提取试验.结果表明,该方法能快速、准确、有效地提取“环境一号”卫星影像中的桥梁目标,具有一定的应用价值.     

基于高分辨率影像的城市三维建模

介绍了利用倾斜摄影影像和垂直摄影影像相结合的三维城市重建方法,分析了利用有理多项式(RPC)恢复IKONOS立体影像的模型,在VirtuoZo上实现了基于有理多项式(RPC)恢复IKONOS立体影像的模型方法,并利用其快速影像匹配技术,实现了数字地面模型DEM和正射影像,实现了手动和半自动人工地物的采集,如房屋等三维几何坐标和结构的采集;自动获取了基于不同传感器所获得影像的建筑物表面纹理,从而实现了基于多种影像快速三维城市建模。     

一种传统民居遥感提取方法

针对基于地物光谱统计特征的建筑物提取方法由于存在较大的同物异谱现象导致提取结果不满足要求的问题,该文提出了一种基于形态学建筑物指数并顾及纹理特征的遥感提取方法。该方法综合考虑传统民居在高分辨率遥感影像上的光谱、形态和纹理特征,首先利用形态学建筑物指数法提取建筑,并使用最小矩形长宽比和像元个数区分道路和零星地物,而后利用Contourlet变换和谱直方图相似性计算进行纹理甄别,实现传统民居的遥感识别和提取。为了验证该方法,选取湖南省常宁市庙前镇中田村QuickBird影像进行试验,结果表明该方法能够获得较高精度的提取结果,整体精度为71.54%,影响提取精度的关键原因为损毁严重的建筑物光谱特征与目标图像纹理相差较大。     

Pleiades高分辨率卫星影像道路提取技术

遥感影像上的道路提取是摄影测量与计算机视觉研究的一项重要内容,本文设计了一种高分辨率卫星影像道路提取方法,首先,利用Canny边缘提取算子提取左影像上的边缘,并利用霍夫变换对线特征进行检测,根据道路的几何特性检测平行直线,再基于影像匹配方法匹配立体像对上的道路;然后,利用卫星影像RPC参数前方交会原理实现道路的几何定位。利用Pleiades卫星影像开展试验,自动提取的道路与人工采集的道路几何定位误差在1个像素以内,试验结果验证了本文方法的有效性。     

增强型形态学建筑指数的建筑物变化检测

针对在高分辨率遥感影像中,利用形态学建筑指数提取建筑物时,同质性区域内部会出现噪声影响建筑物变化检测精度的问题,该文提出一种基于增强型形态学建筑指数的建筑物变化检测方法。采用增强型形态学建筑指数进行建筑物的提取,较好地去除了同质性区域内部的噪声,提高了建筑物提取精度;利用变化向量分析法获得建筑物变化检测结果,并采用LFI指数对变化检测结果进行后处理,有效地区分出建筑物对象和城市道路等地物,提高了建筑物变化检测精度。最后通过实验证明:该文算法可以有效地进行建筑物的提取和变化检测。     

QUICKBIRD影像用于城市用地信息提取方法

本研究采用基于对象的分类技术,依据高分辨率卫星影像QUICKBIRD的特征,对乌鲁木齐市用地信息的提取进行了研究。结果表明,此种分类方法具有较高的分类精度和较快的分类速度。     

遥感影像目标的尺度特征卷积神经网络识别法

高分辨率遥感影像的目标检测与识别,是高分对地观测系统中影像信息自动提取及分析理解的重要内容。针对传统影像目标检测与识别算法中人工设计特征稳健性与普适性差的问题,本文提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别方法。首先通过统计遥感影像目标的尺度范围,获得卷积神经网络训练与测试过程中目标感兴趣区域合适的尺度大小。然后根据目标感兴趣区域合适的尺度,提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别架构。通过WHU-RSone数据集对本文卷积神经网络架构与Faster-RCNN架构对比测试验证。试验结果表明,本文架构ZF模型和本文架构VGG-16模型的mean average precision(mAP)分别比Faster-RCNNZF模型和Faster-RCNNVGG-16模型提高8.17%和8.31%,本文卷积神经网络架构可获得良好的影像目标检测与识别效果。     

高分辨率遥感影像的建筑物自动提取

文章结合结构图分析方法,提出一种针对高分辨率遥感影像中建筑物自动提取方法.该方法利用几何限制对线基元进行初连接,解决由于边缘检测无法完整提取建筑外边缘问题;通过构造结构图确立线基元之间连接关系,搜索结构图中闭合路径,建立高级别特征,对过于散列的线基元进行整合;在此基础上,综合考虑建筑物的几何结构、光谱特征等图像信息筛选闭合路径,实现对建筑物的提取.最后通过对天绘一号高分辨率遥感影像进行建筑物自动提取验证了该方法的有效性.     

高分辨率影像基于影像对象的受损道路提取

基于影像对象对高分辨率影像中的受损道路进行提取,并重点介绍了易康软件中的影像分割,形成影像对象,建立道路规则库,进而提取出道路信息,并判断受损道路信息。以龙门乡受灾区为例进行试验,利用易康软件对影像进行分割并提取受损道路信息,表明基于影像对象的思想在易康对受损道路进行提取是可行的。     

一种异源高分辨率卫星遥感影像近似核线生成算法

提出了一种实用的基于有理函数模型(RFM)的核线生成算法,研究并实现在该算法下异源高分辨率卫星遥感影像像对近似核线生成方法。该方法利用高分辨率卫星遥感影像正解模型迭代计算RFM反解模型,结合核线投影轨迹法,提取像对之间近似核线对。实验表明,本文算法具有可适性和通用性,为异源高分辨率卫星遥感影像数据的自动匹配处理提供了可靠保证。     

异源高分辨率光学卫星遥感影像联合定位

本文提出一种基于RFM和投影射线法的异源高分辨率光学卫星遥感影像定位算法:首先利用高分辨率遥感影像RFM正解模型迭代计算其反解模型;接着通过RFM正反解模型构建投影射线,最后采用迭代求取射线交点的方法确定地面三维实际坐标。实验对比结果表明,联合具有一定重叠度的异源高分辨率光学卫星遥感影像进行立体定位具有较强的可行性,并可达到一定的精度。     

像元结构指数的平面道路交叉口提取方法

针对高分辨率遥感影像中道路交叉口难以用固定几何和光谱特征描述的问题,该文提出了一种基于像元结构指数的交叉口提取方法。采用自适应光谱异质性阈值来提取像元形状特征,较好地适应了不同交叉口之间的场景特征差异;构建了像元形状与交叉口结构的量化映射关系,赋予特征语义信息,从而保证了提取结果的合理性。基于城区复杂场景高分遥感影像的交叉口提取实验表明:所提方法能够准确定位交叉口中心点,并检测道路交叉结构;另外,该方法对于交叉口支路发生变化的情况也具有适用性,定性与定量分析表明了该文方法的有效性。     

基于高通滤波的高分辨率遥感影像城市道路提取

本文根据高分辨率遥感影像城市道路与房屋等建筑物在空间域中光谱特征差异很小,而在频率域中区别很大的特点,提出一种基于频率域的道路提取方法.在图像频率域中利用Butterworth高通滤波器对图像进行锐化增强处理,突出道路的边缘信息,将道路与建筑物初步区分开来;再对增强后的图像二值化,通过形态变换等方法对图像中的建筑物进行...     

Rational function optimization using genetic algorithms

In the absence of either satellite ephemeris information or camera model, rational functions are introduced by many investigators as mathematical model for image to ground coordinate system transformation. The dependency of this method on many ground control points (GCPs), numerical complexity, particularly terms selection, can be regarded as the most known disadvantages of rational functions. This paper presents a mathematical solution to overcome these problems. Genetic algorithms are used as an intelligent method for optimum rational function terms selection. The results from an experimental test carried out over a test field in Iran are presented as utilizing an IKONOS Geo image. Different numbers of GCPs are fed through a variety of genetic algorithms (GAs) with different control parameter settings. Some initial constraints are introduced to make the process stable and fast. The residual errors at independent check points proved that sub-pixel accuracies can be achieved even when only seven and five GCPs are used. GAs could select rational function terms in such a way that numerical problems are avoided without the need to normalize image and ground coordinates.     

多层特征与上下文信息相结合的光学遥感影像目标检测

目标检测是遥感影像分析的基础和关键。针对光学遥感影像中目标尺度多样、小目标居多、相似性及背景复杂等问题,本文提出一种将卷积神经网络(CNN)和混合波尔兹曼机(HRBM)相结合的遥感影像目标检测方法。首先设计细节—语义特征融合网络(D-SFN)提取卷积神经网络低层和高层融合特征,提升目标特征的判别力,特别是小目标;其次考虑上下文信息对目标检测的影响,结合上下文信息进一步加强目标表征的准确性,提升检测精度。在NWPU数据集上试验表明,本文方法能够显著提升目标检测精度且具有一定程度的稳健性。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。     

山地地区高分卫星影像正射纠正

随着国内外对地观测卫星技术的不断进步,山地地区高分卫星影像获取能力大幅提升。针对山地区域高分卫星影像云雾多、成像阴影多、纠正位置精度控制难等问题,该文提出山地区域高分卫星正射纠正生产方案。试验证明,经过大气校正、可视化的地形修复等处理后可解决薄雾去除和影像扭曲变形等问题;同时,GPU并行计算可实现影像快速融合、控制点自动选择等操作,提高生产效率,可为山地区域高分卫星影像快速处理提供参照。     

A novel mathematical morphology based algorithm for shoreline extraction from satellite images

Abstract

Shoreline extraction is fundamental and inevitable for several studies. Ascertaining the precise spatial location of the shoreline is crucial. Recently, the need for using remote sensing data to accomplish the complex task of automatic extraction of features, such as shoreline, has considerably increased. Automated feature extraction can drastically minimize the time and cost of data acquisition and database updating. Effective and fast approaches are essential to monitor coastline retreat and update shoreline maps. Here, we present a flexible mathematical morphology-driven approach for shoreline extraction algorithm from satellite imageries. The salient features of this work are the preservation of actual size and shape of the shorelines, run-time structuring element definition, semi-automation, faster processing, and single band adaptability. The proposed approach is tested with various sensor-driven images with low to high resolutions. Accuracy of the developed methodology has been assessed with manually prepared ground truths of the study area and compared with an existing shoreline classification approach. The proposed approach is found successful in shoreline extraction from the wide variety of satellite images based on the results drawn from visual and quantitative assessments.