缨帽变换的遥感图像水边线信息提取方法

针对悬浮泥沙含量较大的海域水边线信息提取困难这一问题,该文提出了一种基于缨帽变换的遥感图像水边线信息提取方法。首先,针对悬浮泥沙含量较多,导致传统的水体信息提取方法失效这一问题,提出基于缨帽变换提取水体信息;其次,基于长度、距离和方向等特征知识,开展噪声去除、断线连接研究,提取水边线信息;最后,将水边线信息提取结果与原始图像叠加,进行精度评价。实验结果表明,该方法得到的水边线信息边界清晰,准确性较高,对于泥沙含量较高海域的水边线信息提取较为有效。     

基于交比的单幅图像平面几何信息提取算法

提出并实现了基于交比这一射影变换不变量的单幅图像平面几何信息提取方法。该方法首先利用结构化场景中的平行、垂直等几何关系计算平面的灭点灭线;然后利用平面上已知长度的参考线段及灭点、灭线信息构建交比;最后依据待求线段与已知几何信息的位置关系计算待求线段的长度。对实验数据计算结果的精度分析验证了算法的正确性和可行性。     

2D地图的建筑物场景结构提取方法及其在城市增强现实中的应用

城市AR中,场景结构的自动获取,对自适应信息表达具有重要意义,是解决"层叠式"信息表现形式引发的信息指示不明、场景感知混乱等问题的关键步骤。然而,场景结构信息隐藏在场景图像中,直接提取十分困难。2D地图描述了地理实体的位置、轮廓和空间布局,可作为场景结构提取的先验信息。针对城市AR中场景结构获取难、效率低的问题,本文提出一种基于2D地图的建筑物场景结构自动化提取方法。在地理配准的基础上,首先根据2D地图中建筑物的轮廓和属性信息,构建场景图像语义分割的结构线索;然后将其作为过分割处理后场景图像合并的依据,生成多个包含语义信息的图像区域;最后根据图像区域与2D地图中建筑物轮廓之间的映射关系,提取出场景图像中的区域轮廓、场景深度和平面朝向等场景结构信息。试验选取了格拉茨地区32个建筑物场景进行测试。结果表明本文方法能实时地提取建筑物场景结构,且建筑物立面提取的质量明显优于对比方法。提取的场景结构能应用于城市AR多种自适应信息表达方法中,使信息标注更明确,遮挡关系更清晰。     

基于中心向量的KNN分类方法在城市属性信息获取中的应用

当前,利用非结构化数据进行信息提取是地理信息领域的研究热点.针对这一热点,本文提出了基于中心向量的KNN分类方法.首先,对向量空间模型的特征项选择及权重计算方法进行了改进;其次,利用KNN算法对非结构化数据进行了分类与排序;最后,以与郑州市相关的200篇网络资源为非结构数据语料库进行验证.实验表明:该方法能够有效地提取...     

2D地图的建筑物场景结构提取方法及其在城市增强现实中的应用

城市AR中,场景结构的自动获取,对自适应信息表达具有重要意义,是解决“层叠式”信息表现形式引发的信息指示不明、场景感知混乱等问题的关键步骤。然而,场景结构信息隐藏在场景图像中,直接提取十分困难。2D地图描述了地理实体的位置、轮廓和空间布局,可作为场景结构提取的先验信息。针对城市AR中场景结构获取难、效率低的问题,本文提出一种基于2D地图的建筑物场景结构自动化提取方法。在地理配准的基础上,首先根据2D地图中建筑物的轮廓和属性信息,构建场景图像语义分割的结构线索;然后将其作为过分割处理后场景图像合并的依据,生成多个包含语义信息的图像区域;最后根据图像区域与2D地图中建筑物轮廓之间的映射关系,提取出场景图像中的区域轮廓、场景深度和平面朝向等场景结构信息。试验选取了格拉茨地区32个建筑物场景进行测试。结果表明本文方法能实时地提取建筑物场景结构,且建筑物立面提取的质量明显优于对比方法。提取的场景结构能应用于城市AR多种自适应信息表达方法中,使信息标注更明确,遮挡关系更清晰。     

单幅图像空间化研究

研究单幅图像与2D地理空间数据的融合方法,可推动其在GIS中的深入应用。在阐述单幅图像空间化概念的基础上,提出了一种将单幅图像中的地平面映射至2D地图的空间化方法。首先,采集大量的单幅图像并基于决策树进行训练,分为地面和非地面两类,建立分类器;然后,基于近似水平的约束,选择摄像机中心坐标及方位角,实现图像中地面区域的坐标到地理空间坐标的转换。以大学校园拍摄的大量单幅图像为例,对该方法进行了验证,并分析了地平面空间化的精度和敏感性。结果表明,该方法对于主光轴近似水平或灭线位置估计较准确的图像的空间化效果较好,可为单幅图像在GIS中深入应用提供借鉴。     

面向城市增强现实信息标注的建筑物场景结构提取方法

在信息标注中融入场景结构信息能有效解决城市增强现实（augmented reality, AR）信息指示不明、空间遮挡表达不清和视图布局叠置等问题。针对城市AR信息标注中场景结构缺失的问题,提出了一种考虑地理语义且兼顾精度、效率和稳健性的建筑物场景结构提取方法。首先构建了面向建筑物场景结构提取的场景感知网络,从单张场景图像中提取语义、深度和法向量信息;然后将其转化为建筑物立面角点和朝向等结构特征,并计算与2D地图中建筑物轮廓之间的最佳匹配;最后将场景图像按建筑物立面进行重构,提取区域轮廓、场景深度和立面朝向等场景结构。试验采用Google街景数据生成的9 470组样本训练和测试场景感知网络,并在Graz地区32组建筑物场景中测试场景结构提取的有效性。结果表明,所提方法能够达到近实时的效果,且立面轮廓更规则。在存在一定配准误差或局部遮挡的条件下,立面提取的质量显著优于基于地图解析场景图像的方法,具有更好的稳健性。     

基于几何约束的街景单像定位方法

针对现有的街景兴趣点定位方法存在操作复杂或者设备昂贵等问题,提出一种基于几何约束与单幅全景影像的快速定位方法。车载平台下全景相机中心到地面的垂距是定值,可以作为单像测量中的长度参考。把场景中的水平面、竖直线与竖直面三种结构作为几何约束,与全景中心到球面像点的投射光束相交便可以对兴趣点进行直接地理定位。实验证明,该方法简单高效,且结果能够满足兴趣点采集的精度要求。     

基于多源遥感数据的水体信息提取研究

卫星遥感技术已被广泛应用到水体信息提取中,但目前基于遥感技术的水体信息提取多采用单一的遥感数据源,而没有充分利用多源数据的信息复合优势,因此,提取结果经常受天气气候或空间分辨率限制。本文研究了不同尺度、不同平台的多种遥感数据源的水体信息提取方法。首先,基于波谱间关系决策树分类算法对Landsat ETM+图像进行水体提取,利用其分辨率优势较准确地提取出水体范围;其次,在Radarsat SAR图像上利用阈值法粗提取水体信息后,结合DEM剔除阴影得到水体信息;最后,利用灾前Landsat ETM+图像水体信息提取结果和灾中Radarsat SAR图像水体信息提取结果,进行差值处理,得到洪水淹没范围。研究结果可以为洪水灾害监测与评估提供信息依据。     

单视图多约束相机内参统一计算方法

相机自标定是机器视觉、摄影测量学、计算机视觉等领域的重要命题,但目前随着图像获取设备、方式等多样化等特点,使得图像之间的匹配越发困难,增加了相机标定的难度。本文提出了一种针对单视图的相机自标定方法,该方法将图像中的几何特征以及标定过程进行统一表达和计算。本文首先总结了不同的不变量对相机内参的约束情况;以互相垂直的灭点作为中间计算过程的核心,着重讨论了其他不变量向其的转化方法,使得几何特征表达统一化;以绝对二次曲线为纽带,将互相垂直的灭点约束求解;进而根据几何约束的数量求解相应的相机参数模型。本文所提出的方法无需图像之间的匹配,在约束信息充分的情况下可仅利用单幅图像进行相机标定,方法具有方便性;方法无需传统标定方法中的标定模板而选用场景中存在的对象,因此方法具有普适性,尤其适合结构化的室内外场景;方法将几何特征的和标定过程进行统一描述和计算,因此方法还具有统一性。室内外场景的测试表明本文方法具有可用性。, 相机自标定是机器视觉、摄影测量学、计算机视觉等领域的重要命题,但目前随着图像获取设备、方式等多样化等特点,使得图像之间的匹配越发困难,增加了相机标定的难度。本文提出了一种针对单视图的相机自标定方法,该方法将图像中的几何特征以及标定过程进行统一表达和计算。本文首先总结了不同的不变量对相机内参的约束情况;以互相垂直的灭点作为中间计算过程的核心,着重讨论了其他不变量向其的转化方法,使得几何特征表达统一化;以绝对二次曲线为纽带,将互相垂直的灭点约束求解;进而根据几何约束的数量求解相应的相机参数模型。本文所提出的方法无需图像之间的匹配,在约束信息充分的情况下可仅利用单幅图像进行相机标定,方法具有方便性;方法无需传统标定方法中的标定模板而选用场景中存在的对象,因此方法具有普适性,尤其适合结构化的室内外场景;方法将几何特征的和标定过程进行统一描述和计算,因此方法还具有统一性。室内外场景的测试表明本文方法具有可用性。     

基于无人机遥感影像拓扑分析的三维重建

在无需任何地面控制点或其它先验知识前提下,探索一种基于无人机遥感影像的三维重建方法.利用无人机飞控数据建立的影像拓扑结构,依次通过特征点提取、影像匹配、从运动恢复结构等步骤估计出相机位置和姿态参数,并恢复出场景特征点云信息,最后对重建精度进行分析.试验结果表明,文中提出的方法可快速、可靠地实现较高精度的三维模型重建.     

室内三维点云空间自动划分与规则化方法北大核心CSCD

精准空间划分是实现室内语义建模与拓扑结构重建的重要基础。三维点云作为常用的室内空间数据载体,如何基于三维点云进行室内空间语义信息提取与规则化具有重要意义。本文提出了一种基于形态学分割方法实现室内场景的分割,并结合矢量规则化方法完成分割场景的规则化。首先,基于区域增长算法与线性拟合方法提取空间分割要素,通过平面投影生成二进制影像,进而利用距离变换和分水岭算法完成空间分割;然后,对空间分割要素进行线性拟合,进行室内空间格网划分,采用矢栅叠加方法实现空间要素规则化;最后,通过4组实际场景(包含3组ISPRS数据集及1组实际场景采集数据)进行数据验证。试验结果显示,本文提出的室内空间分割与规则化方法可以准确快速地完成室内空间要素的提取。     

角度已知的结构光摄影测量三维重建

基于激光经纬仪,介绍了铅垂面扫描方式和圆锥面扫描方式的数学模型,详细推导了角度已知的结构光摄影测量中目标点三维坐标计算的数学模型。使用非量测数码相机,通过试验统计了两种方式下的测量精度,并以人体服装模特为目标,分别重建了服装模特的三维模型,结果证明了基于激光经纬仪的角度已知结构光摄影测量原理的正确性。     

基于仿生视觉的单相机光场成像及3-3维直接转换基础

本文是机器视觉参量下的三维数字摄影测量智能构象第三部分,以仿生复眼运动目标捕获的3-3-2信息处理方式为切入点,提出生物利用复眼进行三维成像的基本原理,然而由于传统仿生视觉受到硬件条件制约,所以本文在仿生复眼3-3-2信息获取理论的基础上,利用新一代微透镜阵列光场相机技术,提出了一种以单张光场影像获取目标场景深度信息的方法,并将其应用至绝对深度测量中。由于光场影像的一个重要的特性在于记录进入相机的不同光线的强度与方向信息,本文提出利用光线信息进行多深度层次重聚焦的方法,通过对物点在不同层次进行聚焦代价计算,确定出物点成像的平面,最终构建基于物点成像平面位置的深度图。与传统的光场深度估计相比,本文方法计算的深度图可以显著提升分辨率,且不依赖于光场微透镜的数目。为了验证本文方法的有效性,利用本文的算法与现有的深度信息的算法进行深度计算的比较。     

Stereo analysis of high-resolution SAR images for building height estimation in cases of orthogonal aspect directions

SAR stereo image analysis for 3D information extraction is mostly carried out based on imagery taken under same-side or opposite-side viewing conditions. For urban scenes in practice stereo is up to now usually restricted to the first configuration, because increasing image dissimilarity connected with rising illumination direction differences leads to a lack of suitable features for matching, especially in the case of low or medium resolution data. However, due to two developments SAR stereo from arbitrary viewing conditions becomes an interesting option for urban information extraction. The first one is the availability of airborne sensor systems, which are capable of more flexible data acquisition in comparison to satellite sensors. This flexibility enables multi-aspect analysis of objects in built-up areas for various kinds of purpose, such as building recognition, road network extraction, or traffic monitoring. The second development is the significant improvement of the geometric resolution providing a high level of detail especially of roof features, which can be observed from a wide span of viewpoints. In this paper, high-resolution SAR images of an urban scene are analyzed in order to infer buildings and their height from the different layover effects in views taken from orthogonal aspect angles. High level object matching is proposed that relies on symbolic data, representing suitable features of urban objects. Here, a knowledge-based approach is applied, which is realized by a production system that codes a set of suitable principles of perceptual grouping in its production rules. The images are analyzed separately for the presence of certain object groups and their characteristics frequently appearing on buildings, such as salient rows of point targets, rectangular structures or symmetries. The stereo analysis is then accomplished by means of productions that combine and match these 2D image objects and infer their height by 3D clustering. The approach is tested using real SAR data of an urban scene.     

GIS信息辅助的单影像立体量测

为解决数字城市建设中精细三维信息的快速获取难题 ,本文提出一种GIS信息辅助的单影像立体量测算法用于实现建筑物的三维数据获取。其思路为 :通过检校摄影机获取影像内方位元素主点坐标 (x0 ,y0 )和主距f,然后将单张影像中房屋轮廓线分为分别平行于X、Y、Z三个方向的三组特征线 ,计算各组特征线的合点 ,求取影像的三个外方位角元素A、α、κ以反推摄影姿态 ,再从二维GIS数据库中提取地面位置信息 ,结合实际距离解算模型比例因子λ ,在以上参数的基础上进行建筑物的立体量测获取建筑物的高度。针对现实建筑物的多样性 ,本文还讨论了面向复杂建筑物的量测方法。文章最后通过实验验证了该算法的可行性     

基本矩阵约束下的摄像机畸变校正及像主点确定

针对视觉测量系统中畸变校正过程烦琐、计算复杂等问题,提出了一种基于基本矩阵约束的镜头畸变自动校正及像主点坐标确定方法。基于对极几何的基本矩阵和一阶径向畸变模型构建了两视图同名点约束方程;为解决待求参数过多导致解不稳定的问题,采用分步求解策略分别求解基本矩阵及畸变参数和主点坐标,用RANSAC稳健估计方法求取基本矩阵,用迭代最小二乘优化求解畸变参数和主点坐标,两步交替进行。提出的算法仅使用两张图像即可获取径向畸变参数及主点坐标,可操作性强,且对噪声具有一定的鲁棒性,适用于自然场景图像的校正。     

空间信息感知语义分割模型的高分辨率遥感影像道路提取

道路信息自动化提取已经成为遥感领域热门的研究方向,而基于深度学习的遥感影像道路信息提取方法已经取得了许多成果。但由于受到网络中卷积和池化等操作的影响,基于深度学习的道路提取方法存在着空间特征和地物细节信息丢失等问题,造成许多误提现象。针对此问题,本文设计了一种改进的道路提取语义分割网络模型,该网络以改进的ResNet网络为主体,并引入坐标卷积和全局信息增强模块,用于增强空间信息和全局上下文信息的感知能力,突出道路边缘特征进而确保道路分类的精确性。本文方法在公开道路数据集和高分数据集上获得了显著的提取效果,与其它方法相比取得了明显提高;并且,在一定程度上减少了树木、建筑阴影等自然场景因素遮挡的影响,可以完整准确地提取出道路;此外,模型对多尺度道路也可以实现有效地提取。     

空谱协同多尺度顶点成分分析的高光谱影像端元提取EI北大核心CSCD

针对顶点成分分析方法无法实现复杂地表环境下的高光谱影像端元精确提取问题,提出了一种基于空谱协同多尺度顶点成分分析的端元提取方法,通过影像空谱特征融合和聚类分割,对不同分辨率空间尺度下的分割影像进行端元协同提取,并考虑噪声对影像端元提取精度的影响,提升端元提取的精度。首先,对影像进行预处理,采用低秩矩阵分解去除噪声。其次,对高光谱影像进行空谱多特征提取,利用多特征融合和K-means算法进行聚类分割,获取地物分布的空间异质性信息,提升后续端元提取的精度。然后,对高分辨率影像空间降采样,利用顶点成分分析方法对降采样后的低分辨率分割图像进行端元提取,并利用坐标映射寻找高分辨率影像中的相应端元,利用光谱角来判定是否为纯端元。最后,遍历上述方法至所有分割影像以获取最终的端元集合。使用模拟数据和真实的高分五号高光谱数据对提出的方法进行实验验证。实验结果表明,空谱协同多尺度顶点成分分析方法可提取高精度的纯净端元,且计算效率较高。