基于形态分割的高分辨率遥感影像道路提取

基于灰度形态学,提出一种从高分辨率遥感图像提取道路网络的方法.首先利用灰度形态特征对遥感影像进行分割,进而得到基本的道路网络轮廓.然后在此基础上,利用线段特征匹配方法提取道路网络.提出的方法能适应于从道路和背景区别不很清楚的遥感图像中提取道路.实验结果也表明,本文方法能有效地从遥感影像中提取道路网络.     

2001年昆仑山口西MS8.1地震地表同震位移分布特征

沿长约 4 2 6km的 2 0 0 1年昆仑山口西MS8 1地震地表破裂带共获得 2 91个点的地表同震水平左旋位移数据 ,并在其中 1 1 1个点获得了垂直位移数据。该地震总体以左旋水平位移为主 ,兼具一定的垂直位移。最大地表左旋水平位移值可达 6 4m ,平均水平位移约为 2 7m ,绝大多数测点的垂直位移均 <1m。地表水平位移沿主破裂带走向位移梯度变化于 1 0 - 1～ 1 0 - 4之间 ,这一起伏变化可能起因于野外测量误差、沿主破裂带岩性或松散沉积物厚度的变化、地表破裂带几何结构的不均匀性、地表破裂走向的变化、不同破裂段在昆仑山口西 8 1级地震之前的地震中滑动量的起伏变化 ,以及大量非脆性变形、次级破裂的存在等。水平位移沿主破裂带的长波长 (数十公里至数百公里 )起伏变化较有规律 ,在布喀达坂峰以东表现为分别以 5个水平位移峰值为中心而有规律地起伏变化。这5个位移峰值分别对应于不同的次级地震地表破裂段。各破裂段水平位移峰值均向阶区或拐点逐渐衰减 ,不同地表破裂段位移峰值向两侧衰减的速率是不同的 ,这种位移梯度的不对称分布可能指示了地震破裂的扩展方向。上述位移分布特征真实地反映了地表可见脆     

可视化人体的整体坐标系统

可视人数据集是人体解剖结构的基础信息数据集.为了确定人体结构在三维空间中的准确定位以及在不同个体之间便于比较,文中提出和建立了可视化人体的整体坐标系统.以通过耻骨联合上缘中点的水平横切面为标准原点平面,将人体分为上、下部:上部包括头,颈、胸、腹、上臂、前臂等重要部位;下部包括骨盆、下肢和手.人体的整体坐标系可以确定人体重要结构的每一个体元的空间绝对坐标及相对坐标,在图像的分割、匹配、重建中起重要作用.通过坐标系统的变换,人体整体坐标系统可以方便地应用于临床的定位定量诊断,手术导航,放射定位治疗以及人体运动功能等领域的研究.     

三种遥感反演海岸线方法的实验对比分析

在分析海岸线提取算法基础上,以环渤海的Landsat7 ETM+影像为数据源,以基岩海岸线和淤泥质海岸线两种典型的海岸线为研究对象,采用Sobel边缘检测算法、阈值分割法和K最邻近分类算法进行海岸线提取实验。通过实验对比分析,归纳和总结了针对不同类型海岸线提取算法的适用性。     

一种稀疏降噪自编码神经网络影像变化检测方法

采用粤西2018—2019年优于0.5 m地理国情监测影像,结合2018年矢量化地表覆盖分类成果,使用稀疏降噪自编码神经网络深度学习方法,首先选取BJ、GF、ZY等各类高分辨率遥感影像训练生成多传感器训练模型;其次利用PCA主成分分析提取样本数据最大特征,实现样本数据白化降维;最后采用tanh函数作为神经元激活函数,选...     

����ʽ��Ͽ��ټ����Ŷ���������

???ó??????????????EGM2008???????ι?????????????÷?ζ??????????????????????????????????????????η???????????????????????????????洢???????????????????????÷?ζ??????????????????????????????????????3??????????????洢??????100??????????     

Ӧ��360��ȫ��Ӱ����������ⷽ��

???360???????????????????????????????????????????????·???????????в???????????????????????YCbCr???????????????????????????????????????????Ч??????????????????????????????????????????????????????????????????????????????????Ч?????????????????÷????????360?????????е??????????????????????????????????????????????Ч?????????á?     

面向对象的多特征分级CVA遥感影像变化检测

变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种面向对象的多特征分级CVA变化检测方法,首先,利用基于区域邻接图的影像分割方法分别对两时相遥感影像进行多尺度分割,提取分割图斑的光谱、纹理和形状特征;然后,在各级尺度下,分别运用随机森林方法进行特征选择,计算CVA变化强度图;最后,根据信息熵对多级变化强度图进行自适应融合,利用Otsu阈值法检测变化区域,并与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行比较分析。实验表明:与比较方法相比,本文方法的变化检测精度较高,误检率和漏检率较低。     

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路-车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。     

欧氏聚类算法支持下的点云数据分割

欧氏聚类算法是多元统计中的一种重要分类方法,可以将其应用于测绘领域中点云数据的分割。本文首先计算点云数据中两点之间的欧氏距离,将距离小于指定阈值作为分为一类的判定准则;然后迭代计算,直至所有的类间距大于指定阈值,完成欧氏聚类分割。具体步骤为：①利用Octree法建立点云数据拓扑组织结构;②对每个点进行k近邻搜索,计算该点与k个邻近点之间的欧氏距离,最小归为一类;③设置一定的阈值,对步骤②迭代计算,直至所有类与类之间的距离大于指定阈值。试验证明,欧氏聚类算法对不同测量技术手段获取的点云数据均具有适用性,可以成功对点云数据进行分割,分割效果良好。