多特征融合的高分辨率遥感影像飞机目标变化检测

为利用高分辨率遥感影像实现高精度的飞机目标变化检测,提出了一种自适应的多特征融合变化检测与深度学习相结合的方法。首先,通过加权迭代的多元变化检测法获取变化强度图,并结合自适应的直方图统计法自动获取显著的变化与不变化样本;然后,提取多时相影像的光谱、边缘和纹理特征,完成多特征融合的变化检测,并通过形态学处理得到变化图斑;最后,利用训练的NIN(Network in Network)结构的卷积神经网络飞机识别模型,完成变化图斑的类型判别,实现变化飞机的检测。实验结果表明,本文方法在两组数据的正确率分别达到100%和91.89%,均优于对比方法,能实现准确可靠的飞机目标变化检测。     

一种基于改进YOLOv3的遥感影像飞机目标检测算法

针对遥感影像场景复杂,飞机目标尺寸小、特征不明显的问题,提出一种基于改进YOLOv3的遥感影像飞机目标检测算法。首先对YOLOv3的特征提取网络的结构进行改进,并将网络的检测尺度由3个扩展至4个,提高小目标的检测率;其次采用线性加权的非极大值抑制算法,降低排列交错紧密的小目标的漏检率;最后在本文设计的数据集上将该算法与YOLOv3进行对比实验。结果表明,改进后的算法对复杂背景下的小尺寸飞机目标的检测准确率和召回率均有明显提升,验证了本文算法的有效性和鲁棒性。     

一种飞机目标的遥感识别方法

高空间分辨率遥感影像通常具有数据量大、背景复杂及地物占比较少等特点。如果直接将RCNN模型应用于高空间分辨率遥感影像目标识别,计算量大且效率低。级联AdaBoost算法识别率高、速度快,但又会产生较多的虚假目标。本文结合RCNN模型和级联AdaBoost算法,提出了一种由粗到精的飞机目标识别方法。首先使用基于HOG特征的级联AdaBoost算法快速提取飞机目标候选区域,然后利用基于卷积神经网络特征的SVM对飞机目标候选区域进行精细识别。试验表明,本文提出的方法在保证准确率的同时,还有效提高了计算效率。     

遥感卫星在轨机场变化检测方法

针对机场飞机变化检测时效性要求高的特点,提出了遥感图像在轨变化检测的方法。该方法利用遥感卫星前后两幅机场图像,通过SURF方法配准并进行仿射变换,然后利用显著目标检测方法缩小目标检测区域,最后利用本文提出的圆周信息匹配方法,将二维图像匹配转换为一维信息检测的问题,实现对飞机的检测。利用前后两轨卫星遥感图像进行了试验,仿真结果表明,配准精度达到1个像素,能准确检测出飞机目标,说明该方法能准确高效地检测出机场飞机变化信息。     

一种高分辨率可见光遥感影像中车辆目标检测方法

在高分辨率遥感影像中检测车辆目标是影像识别和检测的重要研究方向,能够为宏观交通状态判别提供支撑.本文设计了一种快速有效的基于高分卫星影像的车辆目标检测方法.该方法首先将与遥感影像对应区域的已有矢量面状道路对影像进行掩膜处理,仅留下影像中道路部分,再采用Otsu双阈值法分割道路中的暗色车目标和亮色车目标,最后利用车辆目标的形态特征对其进行检索,以获得车辆目标的检索结果.试验表明,本文方法具有较好的检测效果.     

基于深度学习的高分辨率遥感影像目标检测

传统的目标检测识别方法难以适应海量高分辨率遥感影像数据,需要寻求一种能够自动从海量影像数据中学习最有效特征的方法,充分复挖掘数据之间的关联。本文针对海量高分辨率遥感影像数据下典型目标的检测识别,提出一种分层的深度学习模型,通过设定特定意义的分层方法建立目标语义表征及上下文约束表征,以实现高精度目标检测。通过对高分遥感影像目标检测的试验,证明了该方法的有效性。     

基于高分辨率遥感影像的林地变化检测方法研究

本文采用2013年QuickBird和2017年GF-1卫星遥感影像,以黑龙江省五常市为研究区,利用遥感影像的光谱特征提取纯净森林像元,构建整合森林指数(Integrated Forest Z-Score,IFZ)对影像的森林和非森林区域进行区分,叠加对比分析两期影像提取结果,得到研究区内林地的变化区域.再将自动提取结果与人工判读图斑进行精度验证,面积误差为4.2％,图斑重叠率为85％.从精度结果可知,高分辨遥感影像可以准确地监测林地变化,对研究环境变化和森林经营管理具有决策性作用.     

结合显著性检测与特征匹配的飞机目标识别

根据目标与背景间的视觉显著性差异及飞机目标的形态特征,本文提出了一种基于显著性检测的飞机目标识别算法。该算法首先对预处理后的遥感影像进行显著性检测并提取场景中的感兴趣目标;然后依据阴影在HIS颜色空间的特性消除阴影对飞机识别造成的影响,并以飞机的形态特征为依据对感兴趣目标进行筛选,进而实现飞机目标识别;最后,计算飞机的外形参数、相对矩等特征并以此作为依据实现飞机机型判别。试验证明,该方法飞机特征提取精确,目标识别准确率高,具有较好的稳健性。     

一种波段融合的分类变化检测方法

针对图像分类后变化检测两次单独分类造成的误差累积问题,在结合图像波段融合原理的基础上,将变化检测问题转化为影像分类问题,提出一种利用图像融合构造差异图的方法.所提出的方法同分类后变化检测法相比,只进行一次分类就能实现变化检测,在一定程度上避免了分类误差造成的误差累积问题.结果表明,利用该方法能够初步实现变化检测,且该方...     

基于MODIS 250m遥感影像的变化检测

本文采用分辨率为250m的MODIS遥感影像对土地利用类型进行动态监测,其目的是探讨在MODIS影像上,能够快速准确地获取在不同时期的变化信息,并且为进一步分析提供参考。本文主要讨论运用MODIS影像进行变化检测的几个方面:一是相对辐射校正;二是变化区域的确定,采用基于像素的阈值分割和基于区域的松弛法进来确认变化/非变化像元,并提出一种基于缓冲区方法来消除部分伪变化信息;三是精度评价,根据MO-DIS高时相的特点,本文提出了基于缺少实地观测数据情况下的精度评价。     

方差齐性检验与模糊评价的遥感影像变化检测

针对高分辨率遥感影像地物空间结构复杂、光谱纹理信息丰富的特点,该文提出一种基于Levene检验及模糊评价的遥感影像变化检测方法。首先,对预处理后的两期影像叠置分割得到图斑对象,提取其光谱、纹理等特征;其次,利用改进的Levene检验法统计各图斑变化信息得到候选变化图斑,经IHS变换获取影像色调信息,结合纹理特征进行变化向量分析;最后,通过迭代的方式确定阈值并计算候选图斑的变化隶属度,确定最终变化区域。选取江苏省某地区ZY-3高分辨率遥感影像进行实验,结果表明:改进的Levene检验法很大程度地减少了后续的计算量,提高了变化检测精度,对于相对辐射差异较大的非变化图斑具有良好的容错性;采用色调-纹理特征及模糊评价法可以有效地降低漏检及虚检率,提高变化检测精度。     

多尺度分割的高分辨率遥感影像变化检测

针对高空间分辨率的遥感影像,提出了一种基于多尺度分割的变化检测算法。采用Mean-Shift分割算法对影像进行多尺度分割,构建了不同尺度上的地理对象,以不同尺度上的地理对象灰度均值构建了变化检测的多尺度特征向量,采用变化矢量分析法获得最后的变化检测结果。以城镇区和农田区的Quick Bird影像对本文算法进行了检验,从精度评价的效果来看,无论城镇区还是农田区,采用面向对象的变化检测方法精度都高于基于单像素的检测方法,且当尺度层数固定时,多尺度组合的变化检测结果优于单一尺度的变化检测结果,对城镇、农田区域的变化检测的精度分别达到87.57%和81.55%。本文算法既可以顾及大面积同质区域变化,又可以反映小的地物目标及边缘部分的变化,能够很好地满足城镇、农田等不同环境背景下的变化检测需求,在国土资源监测中具有一定的应用价值。     

基于孪生神经网络的土地利用现状年度变化检测

近年来,利用多期高分遥感影像,构建土地利用现状年度变化检测模型,并以此为基础支持土地利用现状年度变化检测的智能化发展,正是当前研究的难点所在.本文探讨了构建土地利用现状年度变化检测模型存在的问题.通过对土地资数据进行预处理,构建基于孪生神经网络的变化检测模型,以及对模型输出结果进行GIS优化获取目标区域的变化图斑,实现...     

TM影像的变化检测方法探究

变化检测是遥感应用中的一项重要内容。随着遥感技术的发展,变化检测技术也有了很大的进步,出现了很多的研究方法和研究成果。本文在总结前人研究的基础上,提出了TM影像变化检测的基本流程,并简单介绍了各个流程,包括数据预处理、变化信息的提取以及变化区域的确定,重点介绍了变化检测的方法尤其是目前最新的研究方法,最后对变化检测的前景提出了展望。     

DSSRM级联分割的SAR图像变化检测

SRM(Statistical Region Merging)分割算法具有快速、稳定和抗噪强的优点,基于此,本文提出一种基于DSSRM(Dynamic Sorting Statistical Region Merging)级联分割的SAR图像变化检测方法。首先,针对SRM算法基于单特征静态排序导致的过分割问题,提出一种动态排序模式的DSSRM算法以减少差异图像分割错误,该算法建立基于合并区域的多特征马氏距离排序准则,在每次合并之后更新区域邻接矩阵并重新排序;然后,基于互信息最小化准则构造多通道差异数据集以提高算法对区域合并的约束能力;最后,提出一种级联分割变化检测框架,第1级利用SRM算法将差异图像映射到超像素空间,第2级采用DSSRM算法对超像素进行动态合并获得收敛的分割结果,第3级采用简化SRM方法进行三次合并获得最终的变化检测图。实验结果表明,该方法可以获得比SRM方法和目前流行方法更好的检测性能。     

遥感影像变化检测样本自动抽样

在遥感影像结合矢量数据先验信息的变化检测中,需要从分割后的影像对象中抽取一定数量、具有相同类别属性的样本,其中不可避免地抽到类别属性不一致的样本,如何剔除这些样本是抽样过程中必须解决的重点问题,在目前已有的方法中,一般是通过人工目视判别完成的。样本的自动提取是实现自动变化检测的关键环节,本文提出一种变化检测样本自动抽样方法,主要包括样本的空间布设和异常样本自动检测两个环节。该方法首先利用矢量数据提取抽样图层,用抽样图层分割遥感影像,获取影像对象。其次是根据抽样区域范围、影像对象分布特征和地形特征布设变化检测样本。然后根据样本的先验类别属性构建特征空间向量,计算样本在特征空间的局部可达密度,由局部可达密度计算样本的异常度指数,并根据特征空间密度异常指数剔除异常样本,完成变化检测样本自动提取。最后以耕地、林地和居民地为例进行了抽样试验。结果表明,邻域参数k按样本布设总数的1/5—1/3取值、异常度阈值设定为80%时,可以实现异常样本0漏检率,能够准确、高效实现变化检测样本的自动提取。     

Precise, automatic and fast method for vanishing point detection

A new automated approach for vanishing point detection in images of urban scenes is described. This method is based on the theorem of Thales. The main contribution of this paper is the automatic and simultaneous detection of all vanishing points of the image, achieved by converting this problem into the detection of circles in a complex cloud of points, in which each point corresponds to a segment and is associated with an uncertainty. This extraction of circles uses a RANSAC method, modified to improve its speed by using accumulation techniques (Hough transform or otherwise). This robust estimation is then refined by least squares error propagation using the individual variances of each segment. The algorithm is robust, its accuracy is optimised and it is entirely automatic. Its successful operation has been tested on a large number of images of varied urban scenes.     

改进SIFT小型无人机视频序列图像自动拼接方法

针对小型无人机视频序列图像视点离散、视角变化有一定运动规律的特点,本文结合Harris特征点和SIFT特征向量的优势,研究实现图像的自动配准;并采用光度对准的方法和加权平均的方法消除光度差异,较好地实现了视频序列图像的无缝拼接。实验证明该方法在图像拼接的准确性、效率等方面较经典的SIFT算法有较大提高。