高分辨率遥感影像道路半自动追踪方法研究

从高分辨率遥感影像上进行道路目标的半自动提取,是摄影测量与遥感、计算机视觉、模式识别与人工智能等研究领域面临的重大挑战,也是当前研究的热点。数十年来,研究人员提出、建立了许多理论框架、试验系统与算法。然而,受制于问题本身的复杂度、难度和当前科技发展的水平,要研制达到满足工程需要且具有很高自动化程度的实用系统,在理论和算法上,恐怕还要花很     

基于IHS的高通滤波法影像融合研究

在分析IHS法和高通滤波法图像融合算法优缺点的基础上,提出了一种基于IHS变换的高通滤波影像融合方法。该算法先对多光谱图像IHS变换的I分量进行低通滤波,然后对与I分量进行直方图匹配的全色图像进行高通滤波,接着合成低通滤波和高通滤波的结果作为新的I分量,最后进行IHS逆变换得到融合图像。通过与IHS法与高通滤波法的融合结果进行对比评价,表明了该方法在保持光谱信息上和提高多光谱的空间信息能力上都有很好的效果。     

京津冀城市群1990—2015年城区时空扩展监测与分析

城区作为城镇化表征的重要指标,在城镇化时空扩展分析中有着重要的意义。然而,目前城区边界存在相关概念混杂导致对其认识缺乏统一、划定标准和数据来源缺乏一致性、遥感监测所用影像分辨率较低、以建设用地（不透水面）替代城区等问题。针对上述问题,参考住房和城乡建设部的建成区概念和城区地域分布范围,充分挖掘高分辨率遥感影像展现的城市景观和形态等空间可视化特征,从城市实际建设完成情况出发,本文提出了基于高分辨率影像和地理信息资料辅助的城区半自动化提取方法。获取了京津冀城市群153个县级以上城市的1990、2002、2015年的遥感影像、多元地理信息参考资料,开展了该区域的城区边界提取,并从时空扩展过程、城区空间形态及结构变化、城区扩展协调性、城区扩展占用土地类型4个方面对京津冀城市群1/4世纪的城镇化过程进行了统计分析。提出的技术方法和监测分析结果对于城镇化发展监测和城市规划实施评估具有重要的参考价值。     

一种机载LiDAR点云电力线三维重建方法

针对直升机激光雷达电力巡线中电力线三维重建方法研究的不足,文章提出一种长距离架空输电线路直升机激光雷达点云数据的电力线三维重建方法,它包括电力线激光雷达点云聚类、悬挂点检测和电力线三维建模等3个部分:首先运用3D连通成分分析分离出某一电力线的点;然后在XOY平面上对某一电力线的点进行线性拟合和格网索引,通过二阶导数分析分离出某一档某一根电力线的点;最后对单根电力线进行三维建模,且三维模型使用比例因子作为抛物线参数。实验表明,该方法在重建过程中对输电线走廊内线路数目、电力线的根数、电力线类型、电力线的空间配置结构、线路长度、线路曲率等因素不敏感,且具有效率高、重建精度高的优势。     

多核处理器的机载激光雷达点云并行三角网渐进加密滤波方法

滤波是机载LiDAR点云数据处理的关键步骤之一,点云数据的海量化特性使得一般的串行化滤波处理方法无法满足快速成图的应用需求。提出一种基于多核计算技术的并行三角网渐进加密滤波方法,将串行方法中最耗时的三角网构建与脚点判别过程进行了并行化改造。三角网构建算法的并行化基于分治法实现,脚点判别算法的并行化采用一种随机分配策略将三角网划分为多个离散分布的三角形子集合来实现负载均衡。并行滤波方法在8核环境下多次渐进加密的实际加速比达到3.1左右。试验证明,该方法可以充分发挥多核计算优势,并且对不同分布形态点云数据具有良好的适应性。     

先验知识引导的车载激光扫描点云道路信息提取

文章研究利用先验知识从车载激光扫描点云数据中提取道路信息:使用改进的不规则三角网渐进加密滤波方法对点云滤波;将地面点投影到水平面上,利用行车轨迹提取道路主轴线;然后生成高程差分特征图像,以主轴线为基准进行平面生长获得道路面;并根据反射强度,进一步获得道路边界和道路标识线等信息.最后使用两景车载激光扫描点云数据验证了方法的可行性和有效性.     

面向对象的车载激光扫描点云建筑物立面提取

本文利用面向对象的点云分析方法进行车载激光扫描点云数据中建筑物立面的识别。该方法对点云进行基于法向量和距离约束的点云分割,计算分割面片的倾角、面积、高程变化范围等特征,并依据建筑物立面垂直于水平面、面积比较大、高程变化范围较大等规则从点云数据中识别建筑物立面。实验表明该方法可以精确有效地进行MLS点云中建筑物立面提取。     

面向对象的形态学建筑物指数及其高分辨率遥感影像建筑物提取应用

高分辨率遥感影像建筑物提取是摄影测量与遥感领域的一个热门研究主题。本文综合利用影像分割、基于图的数学形态学top-hat重建技术,提出了面向对象的形态学建筑物指数OBMBI,并将其应用于高分辨率遥感影像建筑物提取。首先,建立像素-对象-图节点的双向映射关系;然后,基于图的白top-hat重建和上述映射关系来构建OBMBI图像;接着,对该OBMBI图像二值化、矢量化以获取建筑物多边形;最后,对结果进行后处理优化。使用一景航空、一景卫星全色影像对本文方法和PanTex方法进行性能测试。试验表明,本文方法的建筑物提取精度显著的优于PanTex方法。其中,本文方法平均比PanTex方法的正确率高9.49%、完整率高11.26%、质量高14.11%。     

面向对象的车载LiDAR点云滤波方法

针对经典的机载LiDAR点云数据滤波方法不适用于车载LiDAR点云数据滤波的问题,该文提出了一种基于点云分割的不规则三角网渐进加密滤波方法。首先,剔除粗差;然后,进行点云分割;最后,以分割对象为基本判别单元,迭代地进行地面对象的识别。采用两个场景的车载LiDAR点云进行滤波实验。实验结果表明,本文滤波方法的总误差明显小于经典的不规则三角网渐进加密滤波方法。     

特征空间聚类的电力线激光雷达点云分割方法

针对现有电力线激光雷达点云分割方法中存在的问题,该文提出了一种采用特征空间K-means聚类的单档电力线激光雷达点云分割方法:利用电力线LiDAR点云的水平坐标信息进行直线拟合,并对LiDAR点沿直线方向进行分段;将每一段LiDAR点云投影到相应的电力线切平面(该平面垂直于拟合直线);最后使用K-means聚类方法进行投影点的聚类,且相邻的段和段之间通过投影中心点进行类别的传递和规则化。实验表明,该方法可以较好地进行单档电力线LiDAR点云分割,且对电力线根数、电力线类型、电力线空间配置结构、档距长度、点云不规则断裂等因素不敏感。