凹边形地标参照的主方向关系推理方法

空间推理是地球空间信息、人工智能、自然语言处理等相关领域的热点研究内容。主方向关系的表达与推理是空间推理的重要组成部分。针对空间方向关系矩阵对凹边形对象方向关系表达、推理的不足,研究依据目标对象与凹边形地标方向关系表达的不确定性,提出了凹边形地标参照的外部性主方向关系与内部性主方向关系推理方法。利用凹边形三等分仿射变换矩阵、自适应分割算法实现凹边形地标外部性、内部性参照对象表达;基于向量三角形法则与方向关系谓词,以方向关系的逻辑和、逻辑差合成代数运算推理2个地标、1个地标参照下目标对象与参照对象之间的主方向关系。通过实验与算例验证,证明凹边形地标参照下目标对象与参照对象的主方向关系推理可行性。     

基于Polar1DMLP模型的CCTA冠脉管腔分割方法研究

冠状动脉数字图像造影(CCTA)是一种有效的无创评估冠脉血管狭窄等病变情况的成像技术,对CCTA的自动筛查评估依赖于冠脉管腔的高精度分割。为探索能够分割出高质量的冠脉官腔的算法,本文进行基于深度学习的端到端分割实验以及基于中心线先验信息结合CCTA灰度特征的冠脉管腔分割实验,其中基于深度学习回归方法的Polar1DMLP模型能够结合中心线先验信息得到较好的分割效果。基于公开数据集Coronary Artery Stenoses Detection and Quantification Evaluation Framework中的78组冠脉截段数据进行训练与验证,在16段数据的验证集上得到MSD(mean surface distance)为0.169 mm,DICE为0.796。结果表明本文提出的以中心线为导向信息的Polar1DMLP模型能够较好地整合血管CCTA灰度特征,回归出较为准确的冠脉血管内壁管腔轮廓半径,得到较为平滑的冠脉管腔表面模型,本方法有着较大的潜力以及拓展空间。     

遥感模式分类中的空间统计学应用——以面向对象的遥感影像农田提取为例

如何有效地从遥感图像中提取所需信息,是遥感图像处理和应用的关键,而尺度选择问题一直是影响遥感信息提取精度的关键问题之一。本文论述了利用空间统计学方法解决遥感影像模式分类中的尺度问题的理论基础。针对面向对象影像分析问题,将影响遥感影像多尺度分割的尺度分割参数概括为空间属性分割参数、光谱属性分割参数和影像对象面积阈值参数,并分别提出了基于统计学的尺度参数估计方法。以SPOT-5影像面向对象农田提取为例,基于变异函数方法进行了尺度优选试验,系列尺度分类试验结果表明基于空间统计学尺度估计得到的尺度分割结果进行分类能得到最高的精度,进而证明了基于空间统计学方法进行面向对象信息提取尺度估计的有效性。该方法是完全数据驱动的方法,基本不需要先验知识参与。不同于以往分割后评价的尺度选择方法会占用大量计算资源且耗费大量时间,本文提出的方法不仅能在一定程度上保证面向对象信息提取的精度,而且在一定程度上也提高了面向对象信息提取的效率和自动化程度。     

海底小目标声呐图像一维最大熵分割的改进方法

作为海洋高新技术,水声技术日益成为海洋水下探测的主要手段,而且有时是惟一的手段(比如对浑水或对远距离的情况).海底物体搜索、海底救捞、海底探宝、海底“黑烟囱”探测、海底施工以及海洋军事活动(如探测水雷)等多方面都涉及海底小目标(这里的“目标”泛指物体,包括各种人工制造物和自然形成物)探测.对海底小目标探测是一个困难而有意义的课题.高分辨成像声呐在海底小目标探测方面具有良好的应用前景.将高分辨成像声呐应用于海底小目标探测,图像处理是关键.图像分割是图像处理中的主要问题,也是机器视觉领域低层视觉中的主要问题,同时它又是一个经典难题.     

面向地学应用的遥感影像分割评价

影像分割是面向地理对象影像分析(GEOBIA)中的一个关键环节。分割评价有助于为影像选择合适的分割方法和最佳分割尺度。本文提出一种以遥感地学应用面向的对象为依据的分割方法分类及评价体系。首先将影像分割方法分为面向局部特征监测的典型目标识别和面向全局特征监测的面向GEOBIA的分割方法两组,进而针对这两组分割方法提出了两套分割评价测度指标及相应的综合评价方法。在面向典型目标识别的分割方法评价中,使用区域内部非均质度、区域间灰度对比度、区域间散度对比度、边界点梯度和单位像素运行时间作为评价测度,并针对由于评价测度间的相关性而无法直接确定各测度权重分配的问题,提出利用熵权法为各个评价测度分配权重以获得综合评价结果的分割评价方法,该评价方法可用于选择合适的分割方法。用于面向GOEBIA的分割方法中使用分割区域内均质性和区域间异质性作为评价测度,这种评价方法适用于选择最优分割尺度参数。本文通过定量试验论证了这两种评价方法的有效性,试验结果表明其在遥感应用中具有实际意义。最后本文分析了影像分割评价方法的不足及未来的发展方向。     

一种基于分割的机载LiDAR点云数据滤波

针对当前滤波算法在处理地形不连续区域或存在复杂建筑物区域时容易过分“腐蚀”地形并难以去除一些低矮植被的不足,提出了一种基于分割的机载LiDAR点云滤波算法。首先,对原始点云基于地表连续性进行分割;然后,在移除点数目较小的粗差点集之后采用对分割点集建立缓冲区的方法,区分地面和非地面点集;在较大地物经过迭代分割基本移除之后,使用约束平面的方法移除高度较小的地表附着物以实现滤波。实验结果表明,与经典滤波算法相比,该算法提高了地面点的分类精度,在滤除地物信息的同时能有效地保留地形特征。     

空间碎片观测中拖长星像的测光

提出空间碎片观测中对拖长背景恒星的测光算法,介绍了该方法的基本原理.利用迭代法对目标图像进行局部阈值分割提取,得到的二值图像通常包含多个连通域.最后对各连通域块检测判断,计算出目标的星等,达到测光的目的.通过与天文图像和数据处理软件IRAF的测光结果对比,此算法的误差在0.02mag左右,可以达到测光的要求.     

改进的模糊聚类遥感影像分割

聚类是数据挖掘的重要分支之一,引入模糊理论的模糊聚类分析为显示数据提供了模糊处理能力,在许多领域被广泛应用。本文应用考虑邻域关系的约束模糊C均值(Fuzzy C-Means with Constrains,FCM_S)算法,将邻域像素引入到目标函数中,进而有效地利用邻域像素信息,提高分割精度。本文应用FCM_S算法对模拟彩色纹理图像进行分割,计算其混淆矩阵,定性定量地与FCM算法进行对比分析,证明了该算法的鲁棒性。     

一种机载激光雷达道路点云的半自动提取方法

针对直接从LiDAR点云数据中提取道路信息比较困难的问题,文章提出了一种基于点云分割和区域生长的机载LiDAR数据道路点云提取方法:采用曲面生长法对点云进行分割,直接得到包含道路信息的曲面点集合;应用LiDAR数据的回波强度对分割结果中的道路进行强度标定,并采用区域增长的思想实现了道路的精细提取。实验表明,该方法能够高效、准确地提取道路点云,在路桥建模方面有较强的使用价值。     

一种各向异性虚拟人脑图像分割模型

虚拟人脑部组织脑的提取已经成为虚拟人脑数据分析的一个重要环节,但由于图像噪声、下层数据等因素的影响,传统方法得不到较好结果．首先利用ＲＧＢ,ＨＳＬ,ＨＳＶ空间信息构造新的信息场,该信息场可以降低下层数据的影响;再利用结构张量信息构造各向异性Ｇｉｂｂｓ场,降低噪声的影响;利用各向异性Ｇｉｂｂｓ场改进的ＦＣＭ模型对图像进行分割,以降低颜色强度不均匀现象导致的误差．实验表明,该方法可以得到较好的分割结果．