基于高斯差分的改进Harris特征点提取算法

针对非城区影像纹理特征缺乏、特征不明显、影像特征点提取困难和图像特征附近可能出现冗余特征点问题,本文提出一种基于高斯差分的改进Harris特征点提取算法。首先用高斯函数对图像进行卷积运算生成平滑图像,将原图像与平滑图像进行差分运算生成增强纹理特征的差分图像;然后基于Harris算法进行差分图像特征点提取,进行特征点局部窗口的非极大抑制,剔除冗余特征点,提高特征点提取精度。实验证明,本文算法可以改善纹理贫乏影像区的特征提取效果,有效删除冗余特征点,并提供质量较好的特征控制点。     

资源三号卫星影像的全局匹配

影像匹配作为图像处理领域的重要技术之一,是当前摄影测量与计算机视觉领域的重要课题,它被广泛用于矿产研究、雷达跟踪监测、无人机导航探测等领域。由于现有收集到的资源三号影像为三线阵影像,视觉上为全黑影像,因此,本文首先对影像进行增强处理;其次利用基于高斯差分改进的Harris对得到的影像进行特征点提取;最后基于置信传播全局匹配算法进行影像的匹配。     

利用ETM+影像自动提取河流冲积扇的方法

本文在分析冲积扇与其他地物光谱特征差异的基础上,针对Landsat ETM+影像中红光波段与近红外波段的比值能够增大冲积扇与其他地物间差异的特征及地形阴影在蓝绿光波段亮度值降低速率差异较大的特征,基于比值运算、差值运算,构建了冲积扇指数;并利用该模型阈值自动选取算法将冲积扇信息从其他地物及阴影中分离出来,然后根据数学形态学膨胀滤波算法进行空洞填充。经过实验表明,该方法能够高效自动地提取华南山区的冲积扇信息。     

基于模板卷积匹配的无人机遥感影像中用户感觉兴趣区域识别方法

遥感影像可用于城市土地规划、地质灾害勘察、监测环境污染等,其应用范围极广,为更加准确地从遥感影像内获取信息,提出基于模板卷积匹配的无人机遥感影像中用户感觉兴趣区域识别方法。该方法利用无人机搭载遥感影像摄像头采集目标区域遥感影像后,使用暗通道假设法还原无人机遥感影像色彩,再通过判断无人机遥感影像几何特征和灰度特征,获得用户感觉兴趣区域,并生成无人机遥感影像用户感觉兴趣区域模板图像;将该模板图像作为输入,利用卷积神经网络输出无人机遥感影像中用户感觉兴趣区域识别结果。实验结果表明：该方法具备较好的无人机遥感影像色彩还原能力,可有效提取遥感影像中用户感觉兴趣区域,且识别遥感影像中用户感觉兴趣区域精度较高。     

一种顾及重叠区地形变化的DSM镶嵌线智能提取算法北大核心CSCD

针对影像密集匹配得到的分块DSM数据,本文提出了一种顾及重叠区地形变化的DSM镶嵌线智能提取算法。该方法利用DSM数据重叠区的高程偏差构建重叠区域的差值影像和差分影像,将经过去噪、拉伸和反向计算的差值影像和差分影像做融合处理。针对融合数据采用基于最小生成树的最优路径搜索方法,提取最优镶嵌线。试验结果表明,使用本算法提取的镶嵌线能有效避开高程差异大的凸出地物,保证地物的完整性,能够解决DSM数据镶嵌过程中镶嵌线的自动选择问题。该方法有效减少了传统镶嵌方法带来的误差,可靠性和稳定性较高。     

基于增强DeepLabV3网络的高分辨率遥感影像分类

由于高分影像具有地物细节丰富、类别差异大等特点,现有的卷积神经网络影像分类方法普遍存在分类精度低、地物边界不准确等问题。鉴于此,本文提出一种基于增强DeepLabV3网络的影像分类模型。首先构建R-MCN网络结构,利用大小不同的卷积核并结合残差网络的思想进一步提取浅层网络的多尺度、多层次的特征信息;然后采用可学习的上采样方式,并将R-MCN提取的特征与高阶的语义信息相融合;最后通过提出的Mloss损失函数,获得遥感影像的地物分类结果。试验结果表明,相对于传统的卷积神经网络,本文方法能细化地物的边缘信息,改善分类效果,获得更高的影像分类精度。     

机载LiDAR技术在地质灾害监测中的应用研究

利用成熟的技术路线和地质灾害监测点激光点云的特征,以及地裂缝的地形深度急剧变化规律,采取一种改进Morove算子的兴趣点提取方法,根据高程变化特征提取地裂缝;根据滑坡体的地形非连续性,在三角形生长算法基础上,采用异变点不参与构网的方法,使滑坡体与原山体地形分离,监测出山体滑坡地质灾害点,为地质灾害的监测提供新的思路和方法。     

改进的残差3D-CNN的高光谱遥感影像分类

针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题，该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势，提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不同的卷积层分支，用以提取蕴涵在高光谱遥感影像中多尺度的特征；利用了3D卷积核代替2D卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征；通过残差结构连接分支提取特征缓解了梯度消失的问题，提取更深层次的特征。实验表明，该文算法不仅提高了条状和线状地物区域的边缘分类准确率，对小目标的分类能力也得到了增强。     

基于影像尺度空间表达与鲁棒Hausdorff距离的快速角点特征匹配方法

快速影像匹配是进行影像时间序列分析与飞行器导航的重要方法.本文对待匹配影像进行高斯低通滤波预处理时,运用影像的尺度空间表达思想对不同分辨率的基准影像和实时影像选择了相应的σ值进行卷积滤波处理,使基准影像和实时影像具有相近的分辨率,从而提高两影像所提取角点的重复率,使得影像的正确匹配概率得到提高.然后用基于影像几何结构分析的改进的快速角点探测算法进行了影像的角点提取;最后用本文提出的改进的鲁棒Hausdorff距离进行了基准影像和实时影像的匹配.实验证明,本文方法对影像噪声和灰度变化不敏感,具有抗影像尺度变化的能力.在基准影像和实时影像灰度差变化较大的情况下,依然能取得较高的正确匹配概率.由于采用基于影像信息量评价的搜索策略和快速角点提取算法,匹配速度也较快.     

一种利用TM影像自动提取细小水体的方法

提出一种利用TM影像自动提取山区细小水体的多波段谱间关系改进方法。该方法在典型谱间关系法的基础上,针对水体与阴影在蓝绿光波段亮度值降低速率差异较大的特征,基于差值运算,构建了新的多波段谱间关系水体提取模型。首先利用该模型将水体从其他地物及阴影中分离出来,然后基于数学形态学膨胀滤波算法进行空洞填充和短线连接,最后通过图像细化算法实现目标的细化。经过实验比较表明,该方法克服了许多水体提取模型只能有效提取较大面积水体的缺点,除了能够对山区的细小水体进行高精度自动提取外,还能够有效地去除阴影等干扰信息。     

基于卫片的非序列无人机影像快速概略拼接方法

针对非序列无人机影像,提出了一种基于卫星影像的无人机影像快速概略拼接方法。该算法首先利用改进的SURF算法提取特征点,然后利用最小欧氏距离寻找匹配点,最后结合模板匹配方法确定最终的正确匹配点。利用匹配点的尺度和方向信息计算无人机与卫星影像之间的相似变换参数,确定无人机影像的概略位置。试验结果表明,该算法拥有快速、准确和高适用性等优势,对卫星影像没有严格的时效限制,有一定的地形变化容错能力,能够满足快速概略拼接的要求,是一种可行的无人机影像概略拼接新方法。     

基于Landsat 8影像的城市蓝色顶面建筑物提取光谱模型构建

蓝色顶面建筑物作为基础地理数据库中重要的人工目标类型之一,对其进行提取对城市环境监测、违章建筑监测、城市规划和管理具有重要意义。已有的建筑物提取方法准确性低、边界不完整,且存在同谱异物和同物异谱现象。本文以洛阳市为研究区,根据不同地物光谱特征的不同原理,构建一种能增强蓝色顶面信息和弱化其他非目标地物信息的新光谱模型。首先,对待检测的Landsat 8影像进行辐射定标和大气校正等工作,获得地物去除大气影响后的地表反射特征值影像;然后,对影像中的蓝色地物和与蓝色地物较难区分的其他干扰地物,分别采集一定像元数的样本并生成光谱曲线,利用波段相加、差值及正负处理构建一个能增强蓝色地物信息和弱化其他干扰地物信息的新光谱指数;最后,采用密度分割法获得提取蓝色顶面建筑物最合适的阈值范围,进而提取影像中的蓝色顶面建筑物。与最大似然法提取结果进行对比分析及精度评价。结果表明,构建的新光谱指数模型的总体分类精度为94.46%,Kappa系数为0.889 2,准确率为91.95%,召回率为95.19%,均优于最大似然法;根据提取结果计算出洛阳市市区范围内蓝色顶面建筑物的占地面积为16.28 km^2<...     

一种高郁闭度林分树高的估测方法

针对单一无人机影像无法有效地提取高郁闭度林分树高的问题,该文提出一种结合无人机影像数据和全站仪测量的地形数据获取高郁闭度林分树高的方法。①利用搭载数码相机的小型无人机平台,以50m航高获取实验区局部高精度林分影像,利用全站仪获取实验区的地形数据;②利用无人机影像处理软件对影像进行处理,通过初步的几何校正以及空三加密过程得到整个实验区的高分辨率DEM和DOM模型;③采用局部最大值算法探测单株林木的树冠中心点坐标,利用自然生长算法和高程差值公式得到树冠中心对应的树根高程;④以树冠中心点高程以及树根高程的差值作为单木树高的估计值。通过实验得出:结合无人机影像与全站仪数据能够准确快速地获取高郁闭度林分树高,本文提出的方法可以为森林可持续经营提供数据基础。     

一种利用TM图像自动提取洪积扇的方法

在分析洪积扇与其他地物光谱特征差异的基础上,针对TM图像的红光波段与近红外波段的比值能增大洪积扇与其他地物间光谱差异,以及地形阴影在蓝、绿光波段亮度值降低速率差异较大的特征,基于比值运算和差值运算,构建了洪积扇自动提取模型.利用该模型,首先结合阈值算法将洪积扇从其他地物中提取出来,然后采用数学形态学膨胀和腐蚀算法进行空...     

一种高郁闭度林分树高的估测方法

针对单一无人机影像无法有效地提取高郁闭度林分树高的问题,该文提出一种结合无人机影像数据和全站仪测量的地形数据获取高郁闭度林分树高的方法。首先,利用搭载数码相机的小型无人机平台,以50 m航高获取实验区局部高精度林分影像,利用全站仪获取实验区的地形数据。然后,利用无人机影像处理软件对影像进行处理,通过初步的几何校正以及空三加密过程得到整个实验区的高分辨率DEM和DOM模型;接下来,采用局部最大值算法探测单株林木的树冠中心点坐标,利用自然生长算法和高程差值公式得到树冠中心对应的树根高程;最后,以树冠中心点高程以及树根高程的差值作为单木树高的估计值。通过实验得出:结合无人机影像与全站仪数据能够准确快速地获取高郁闭度林分树高,本文提出的方法可以为森林可持续经营提供数据基础。     

资源三号影像中城市高大地物阴影检测方法

针对遥感影像处理中阴影检测和信息补偿不准确的问题,该文在研究已有阴影检测算法的基础上,结合资源三号(ZY-3)影像数据的特性,构建了阴影检测方法:首先对原始图像分别做差值运算和主成分变换,并利用多峰阈值自动提取算法检测出阴影区域;其次将差值运算提取的粗阴影区域与主成分变换提取的阴影区域做并运算生成一个新的阴影区域;然后判断影像中是否含有水体,如果含有水体则利用多峰阈值自动提取算法检测出水体并与新合并的阴影区域影像做布尔运算得到完整的阴影区域,反之则新合并的区域即为完整的阴影区域。实验结果表明该方法针对ZY-3具有较好的普适性、较高的提取精度和提取效率。     

基于深度学习的高分辨率遥感影像自动变化检测

我国城市化发展迅速,地表利用信息处于不断变动中,及时掌握这些变化信息十分必要.但实际作业中,变化信息获取方式仍然以高人力成本方法,如实地外业调查或者目视遥感影像判读为主,生产效率低.因此,本文提出了一种基于语义分割的深度学习变化检测方法.首先,利用编码-解码深度卷积网络,实现遥感影像地物的自动分类;然后,利用Mean-Shift方法分割前后期影像,融合其光谱、纹理和语义信息等特征,对比前后期影像的特征差异,提取出变化置信度图;最后通过EM算法分割变化与未变化类生成二值变化图,得出变化区域范围.该方法为自动化实现地物变化监测提供了有效的解决办案,实验证明,该方法相比人工以及传统分类模型具有更好的检测精度,有效降低了内外业工作量.     

极化SAR影像分类方法对比分析

极化SAR影像所包含的丰富的地物极化特征信息使得SAR影像的解译更为容易,同时也使得对地物的探测更加精准。在本文中,首先基于极化SAR影像的极化特征,采用区域融合算法对影像进行分割;在此基础上使用基于Wishart分布的最大似然分类方法(Wishart-LRT)、基于几何扰动滤波(GPF)的极化SAR影像分类方法和最近邻(KNN)分类方法对影像中的耕地、草地、林地、水体进行分类和提取,并对分类结果进行分析评价,最终发现对于该区域的RADARSAT-2影像而言,基于Wishart分布的最大似然分类方法对于地物分类可达到较高的精度。     

结合LOG算子和大津法的遥感影像边缘检测方法

针对遥感影像具有丰富的细节和混合噪声,采用传统高斯拉普拉斯(LOG)算子难以有效地提取遥感影像地物边缘信息,文章提出一种结合LOG算子和大津法(Otsu法)的遥感影像地物边缘信息提取算法。此算法采用中值滤波对原始影像进行消噪,利用Otsu算法对滤波后影像进行自适应阈值分割得到目标影像,采用LOG算子对目标影像进行边缘信息提取。以安宁某区域的遥感影像为例,实验结果表明,提出的算法与传统LOG算子相比,具有更高的提取精度,能有效地提取出遥感影像的真实边缘、减少伪边缘。     

结合地表模型和遥感影像的地表变化监测

针对现有快速发现和准确更新地表变化信息的方法效率低、工作量大等问题,文章结合DSM差分算法和遥感影像变化检测算法,提出了一种三维动态监测方法:DSM差分算法能够监测地物在高度方面的变化,遥感影像解译可以弥补DSM变化图斑的属性信息,并补充DSM技术无法获得的属性变化图斑和面积变化图斑。实验结果表明,所提监测方法能动态监测工业园区的开工率和重点项目建设状态,运用在土地监管实际工作中具有可行性。