融合颜色和深度信息的运动目标提取方法

行人检测是计算机视觉、智能交通等领域研究的热点与难点,基于深度传感器对室内复杂场景下的行人检测展开研究。目前,基于颜色与深度数据的目标检测方法主要包括基于背景学习的方法和基于特征检测算子的方法,前者依赖于视频序列头几十帧的背景知识,帧的数量决定检测质量;后者存在计算量大的问题,训练样本的不足也会影响行人检测结果。因此,深入分析了复杂场景特征,融合颜色和深度信息,提出了RGBD+ViBe(visual background extractor)背景剔除方法,实现前景运动目标的准确提取。实验结果表明,提出的RGBD+ViBe方法在前景运动目标检测准确率方面要明显高于仅考虑颜色或深度信息方法以及RGBD+MoG(model of Gaussian)方法。     

基于拓扑关系的面状地形要素提取方法

针对地形要素提取工作量大的问题,提出一种基于空间拓扑关系的面状地形要素自动提取方法。通过对比分析AutoCAD数据与GIS数据的差异,对地形要素提取中的关键问题进行了分析;运用多要素组合拓扑构面的方法完成图形的快速构建,利用独立符号或文字注记与图形的包含关系完成图形的检查,建立图形与分类编码的映射关系实现分类信息的自动识别。实验表明,该方法对于面状地形要素的提取快速、准确,目前已在多个港区的空间数据建库中得到验证,提高了数据生产的工作效率。     

基于历史影像的水网提取方法研究

以60年代宁波平原地区的锁眼卫星为数据源,提出一种基于PS图像处理方法来实现河网的提取,并与阈值法、监督分类法和决策树法进行对比分析。结果表明,传统的阈值法和监督分类方法对于单波段高分辨率遥感影像的提取能力十分有限,决策树方法和基于PS图像处理法取得的面状数据整体精度在70%以上,线状数据整体精度在60%以上。在提取水面信息的能力上,决策树方法的正确率较高,但图斑较为破碎,水网连接度保留不完整;基于PS图像处理法受建筑阴影干扰较大,但水体提取完整度较高,水网连接度保留效果较好。     

端元之间最大距离和约束的 NMF混合像元分解方法

NMF应用于混合像元分解时具有不满足丰度"和为一"约束和结果不具有唯一性的问题。MVCNMF将凸面单形体的体积作为约束条件引入到NMF中。从理论上看,当端元光谱中存在形状相似的光谱时,单形体的体积接近于零,此时MVCNMF实际上变为NMF,且凸面单形体的体积计算比较复杂,影响算法的效率。针对此问题,提出一种端元之间最大距离之和约束的NMF混合像元分解算法MSMDCNMF,将其引入到非负矩阵分解中。利用计算所有端元之间的最大距离之和作为约束条件来控制凸面单形体的大小,简化了约束条件,减小了计算复杂度。通过对比发现,所提方法在端元提取精度方面优于MVCNMF算法,与MOCCNMF算法接近,但在算法运行效率上,MSMDCNMF算法效率最高。     

基于无人机遥感的喀斯特高原峡谷区火龙果单株识别提取方法

基于小型无人机搭载可见光镜头作为数据获取手段,通过对比可见光波段差异植被指数（VDVI）、过绿指数（ExG）、过绿减过红指数（ExG-ExR）、归一化绿红差异指数NGRDI和绿叶指数（GLI）5种可见光波段颜色指数方法应用于喀斯特高原峡谷区典型经济作物火龙果植株识别的适宜性,结合可视化空间建模工具模型构建器,提出一种以单植株平均面积分割株丛的思想,对火龙果进行植株识别分割和单株提取方法研究,结果表明：1）VDVI相比EXG、NGRDI、ExG-ExR、GLI等植被指数更适宜作为火龙果的识别分割方法;2）当VDVI的OTSU阈值取0.037时,能最大程度地分割目标地物与背景地物;3）通过人机交互基地实测获取的实际株数与提取株数验证,获得火龙果植株单株提取精度为91.7%。结果证实：以低空无人机可见光波段影像为数据源,VDVI指数作为识别方法,株丛分割应用于喀斯特高原峡谷区火龙果的单株识别提取具有可行性。     

川西林盘文化景观基因识别与提取

文化景观是文化地理特征的集中体现,川西林盘文化景观基因识别与提取的研究是对林盘本质的认知和解读。根据文化景观的关键特征,基于文献与实地考察,综合运用问卷与半结构式访谈等方式进行调查,借助SPSS软件进行数据统计和处理,客观地明晰了林盘文化景观的结构组成;并在此基础上引入“景观基因”理论,以川西林盘的文化景观为研究对象,从遗传信息的表达,以及基因所属位列、功能性和重要度2个层面进行了相应的分类,进一步阐释了识别与提取的方法与流程。同时,在土地利用数据、卫星影像及地理信息数据电子地图等资料的辅助下,以新津、温江、崇州林盘群系与鱼子孔、龚林盘和胥家院子聚落单元为例,进行了文化景观基因的识别,归纳梳理出其共性基因、个性基因,并提取出民居、渠系、林地等主体基因,菜地、井等胞质基因、石笼、平桥等附着基因和治水工程、移民文化等调节基因。     

机载LiDAR点云建筑物屋顶轮廓线自动提取研究综述

建筑物作为城市中最主要的人工地物,其三维模型是智慧地球建设的重要数据支撑,实现精准自动化三维重建至关重要。机载激光雷达(Light Detection and Ranging, LiDAR)技术因具有环境约束小、操作成本低、采集速度快、数据精度高、可全天候获取地物空间信息等优势,已成为自动提取建筑屋顶轮廓线辅助建筑三维重建的主要数据源。首先对建筑屋顶轮廓线提取技术的发展历程进行简要回顾,再根据以往研究内容总结出一套较为通用的技术流程;该技术流程4个关键步骤为点云滤波、建筑物提取、屋顶轮廓线提取和轮廓线规则化;对每一步骤的实现方法、常用算法、发展现状以及面临问题进行详细阐述和对比分析。最后,对本技术面临的挑战和未来发展趋势进行讨论。     

基于浮动车轨迹数据的路网快速提取

浮动车轨迹数据包含丰富的路网信息,随着浮动车轨迹数据的逐渐公开,从中提取路网信息已成为可能。目前,大多数算法提取路网时,使用统一的阈值忽略了轨迹数据的密度差异,且只考虑了轨迹的形态没有考虑轨迹的方向,严重影响了提取结果的几何精确度和拓扑正确度。为此,该文提出了一种自适应半径质心漂移聚类方法,能根据轨迹密度、道路宽度自动调整聚类参数和利用轨迹方向实现道路拓扑连接。首先,通过自适应半径质心漂移聚类方法计算路网骨架点,采用小波聚类算法获取路网骨架点的方向集;然后,根据聚类半径和方向对骨架点进行递归连接,生成路网数据。利用深圳市福田区一天的浮动车轨迹数据进行了算法实验验证,将实验结果与栅格化方法、约束三角网方法的结果进行了定性定量评价分析。实验结果表明,该文算法提取的路网数据在几何精确度及拓扑正确度上都有明显的提高,且算法适合大数据处理。