k均值聚类引导的遥感影像多尺度分割优化方法

针对不同尺度地物的分割需求,提出了一种k均值聚类引导的多尺度分割优化方法。首先对原始影像进行小尺度分割和k均值聚类,然后利用k均值聚类结果引导对象合并,在合并过程中利用Otsu阈值方法自动选择k均值聚类的影响因子,最终得到适应不同尺度地物的分割结果。以FNEA多尺度分割方法为例,利用模拟数据和真实的GeoEye-1影像数据进行相关试验,目视和定量评价表明本文方法能够得到适宜不同尺度地物的高质量分割结果。     

基于时间序列统计特性的森林变化监测

森林动态变化分析对揭示生态系统环境变化及植被恢复和布局重建等具有重要意义,时间序列的遥感数据为森林监测提供了基础数据。本文根据森林植被的统计学特性,在暗目标法的基础上,利用归一化植被指数NDVI实现森林样本自动选择;并融合NDVI构建了新的综合森林特征指数(Integrated Forest Z-Score,IFZ);以时间序列的IFZ分析森林动态信息,实现森林变化动态监测。以三峡大坝及周边区域森林为研究区,利用2001年至2012年每年生长季节(5月—10月)的Landsat TM影像检验本文算法。基于2002年、2006年和2010年三期7月—9月的Quick Bird影像的精度分析结果发现:研究区森林变化检测的总体精度可达96.53%,Kappa系数为0.9512。在添加NDVI指数后构建的IFZ提高了总体监测精度。其中,毁林类别的检测精度提高显著,漏检率和误检率分别为2.74%和3.64%;干扰后重建的森林类别的检测精度有一定提高,其漏检率和误检率分别为10.79%和10.51%。研究结果表明,改进暗目标法能提高森林样本的选样效率,添加NDVI的IFZ能提高森林动态变化的识别度。此外,本算法不仅能定性识别森林变化,而且能定量提供森林干扰发生时间和干扰强度。     

局部空间自相关统计洪水灾害影像分析

针对洪水灾害分析在速度、准确性和及时性等方面的需求,该文在研究空间自相关分析的基础上,提出了一种基于局部自相关统计的洪水灾害影像分析方法。首先,对影像进行掩膜处理,去除云层干扰;其次,采用局部空间统计的方法对影像进行统计分析;然后,通过密度分割的方法提取水体,将影像分为水体和陆地两类;最后,将3幅影像分类的结果进行空间叠加分析,分析洪水灾害影响情况。以2013年嫩江流域3个时期的影像为实验数据,设计了仿真实验。实验结果表明,该方法可以较准确地对大面积洪水影响区域进行分析。     

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。     

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。     

基于遥感影像的城市用地变化监测方法研究

利用遥感技术进行动态变化监测是地理国情监测的重点研究内容之一,动态监测技术方法较多,笔者在对已有方法探讨的基础上,基于World View-2及资源三号遥感影像,提出了一种城市用地变化信息检测的多波段主成分分析方法。该方法通过线性变换生成互不相关的波段组合,对多波段主成分分析后的影像采用直方图统计法进行阈值分割,再经过滤波处理,去除干扰信息。研究结果表明,采用该方法提取两期遥感影像上的变化信息,可以实现动态变化监测。     

多目标珊瑚岛礁地貌遥感信息提取方法——以西沙永乐环礁为例

南海珊瑚岛礁资源极为丰富,实时、快速、高效、准确地获取大范围珊瑚岛礁地貌遥感信息具有现实意义.研究提出了一种双尺度转化下的模型与数据混合驱动的岛礁地貌信息提取框架,并设计了珊瑚岛礁地貌分类体系及相应技术流程:首先采用自上而下模型驱动的GVF Snake模型进行宏观地理分带的粗分割,然后采用自下而上数据驱动的云影极值抑制下多阈值OTSU分类算法进行微观地貌类型的精细分类,最终利用区域生长算法提取离散分布的暗沙、暗滩等浅水地貌单元.针对西沙永乐环礁利用CBERS-02B数据进行实验,精度验证表明:珊瑚岛礁地貌遥感信息提取方法总体精度优于经典数据驱动的监督分类算法,且具有抗噪能力强、顾及空间拓扑关系、自动灵活等特点.     

一种提取遥感影像中道路信息的方法

由于合理有效地选择分割阈值较难,因此基于阈值分割的道路信息提取方法对于遥感影像中含有多种类型道路、或非道路地物干扰比较明显的情况适用性不理想。为此,提出了一种将Mean Shift和阈值分割相结合的方法来提取道路信息。首先,采用Mean Shift方法对遥感影像进行平滑处理,在较好地保持道路边缘信息的同时使道路内部的纹理分布更加均匀;其次,对平滑处理后的影像进行Mean Shift分割处理,将具有相同或相似灰度值的道路用一种灰度值显示;然后,选择灰度直方图中像素数量值高的线所对应的灰度值作为分割区间边界点进行多阈值分割,得到初始道路信息;最后,对初始道路信息进行后处理,得到最终的道路信息。实验证明,该方法可以完成对遥感影像中道路信息的提取,拓宽了阈值分割方法提取道路信息的使用范围。     

高分辨率遥感图像道路分割算法

为了提高从高分辨率遥感图像(high-resolution remote sensing image,HRI)中提取道路信息的自动化程度和准确性,发展了一种HRI道路分割算法,主要包括光谱合并、边界合并和基于形状特征的道路区域提取等3个步骤。其中,前2个步骤是基于区域生长的图像分割算法。光谱合并综合考虑了区域的均值、方差等统计特征量,以提高分割精度;边界合并采用了基于矢量梯度的边界计算方法,以准确提取多光谱HRI中的边界强度;结合全局最优合并算法实现光谱和边界合并,以得到最优化的分割结果。在道路区域被完整分割出来的基础上,利用形状特征提取道路,采用圆形度特征区分道路和非道路。利用2景Orb View3多光谱图像进行道路提取实验的结果表明,该方法的道路提取结果总精度和Kappa系数分别在97%和0.8以上,明显优于SVM监督分类方法。     

图像减影技术在自动报靶系统中的应用

弹点分割一直是自动报靶系统的关健技术之一,所提出的减影技术不仅方法简单,而且能大大简化弹点的分割过程,使系统的工作效率明显地提高.