纹理主方向的遥感影像居民地提取

本文研究利用基于傅立叶变换和Hough变换的灰度共生矩阵方法对遥感影像居民地进行提取。首先,通过傅立叶变换把遥感影像变换到频率域,然后利用Hough变换找出遥感影像的主纹理方向,进而把影像主纹理方向旋转至水平,最后利用灰度共生矩阵方法进行纹理分割。实验结果表明:基于傅立叶变换和Hough变换的灰度共生矩阵方法对遥感影像居民地有较好的提取结果。     

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。     

Textural segmentation of digital rock images into bedding units using texture energy and cluster labels

The texture of digital rock images, as recorded, for instance, with borehole imaging devices, is shown to reflect different bedding types. Textural segmentation of borehole images, therefore, subdivides the recorded sequence into bedding units. We show that a textural segmentation algorithm based on the concept of texture energy achieves good results when compared with synthetic as well as real data in which petroleum geologists have performed zonations on cores. Texture energy involves filtering of the original image with a set of texture sensitive masks. The filtering is done as a finite convolution over the size of the masks. On the resulting images the variance is computed over a relatively large sliding window, which, in its practical implementation, covers the full width of the image. The resulting nine one-dimensional curves are then clustered hierarchically into a user-determined number of image texture or lithological bedding classes. Principal component analysis previous to clustering can be used to reduce redundancy in the data. A recurring and relatively ill-defined problem in this field are macro-textures, i.e., the cyclic interbedding of two or more bedding types. We show that sliding Fourier transforms and variable mask scale can successfully address the zonation of macro-textures. In general, the method gives best results with mask sizes equivalent to 2–4 centimeters, reflecting the length scale at which the investigated geological bedding seems to have its highest variation.     

一种从机载LiDAR点云中分割建筑物顶面的方法

建筑物的三维重建是根据现有数据自动恢复高精度建筑物三维模型的过程,它是摄影测量,计算机视觉以及模式识别等领域的热点问题。针对这一问题,提出一种从机载LiDAR（lightdetectionandranging)点云中分割建筑物顶面的方法。首先通过欧式聚类来得到每一栋建筑物的点云,随后采用L0梯度最小化以及图割优化相结合的全局最优算法来获得平面分割结果。并在德国Vaihingen以及中国杭州数据集上进行试验,证明该方法可以从LiDAR点云中自动获得高精度的平面分割结果,且具备强鲁棒性。     

一种动态场景下的双目视觉里程计算法

在同步定位与地图构建领域,视觉里程计因其传感器成本低廉、定位精度高、蕴含丰富环境信息等优势而得到广泛应用,但环境中的动态物体会显著降低其解算的精度与鲁棒性。针对此问题,提出了一种深度学习辅助的双目视觉里程计,基于几何约束与目标位置约束的方法,能够准确筛选出环境中的动态物体,以提高结果精度,同时能够恢复动态物体的运动轨迹,便于建立语义地图。在KITTI和TUMRGB-D的动态场景数据集上进行测试,得到的结果精度较高。     

一种基于语义地图的激光雷达定位方法

机器人局部定位如同步定位与构图（simultaneouslocalizationandmapping,SLAM）技术,因其定位原理局限会造成定位误差累积,且只能获得相对位置;有额外的辅助信息如地图时,进行全局定位能够提供可靠的绝对位置。地图形式中,语义地图包含环境的几何信息和语义信息,使得机器人更好地决策。因此,本文提出一种基于语义地图的激光雷达（lightdetectionandranging,LiDAR）定位方法。该方法对单帧点云滤波后,采用形态学算法分离背景信息,利用语义分割算法提取稳定的静态目标语义信息,并与已知的包含同类型语义信息的全局语义地图匹配进行定位。结果证明,该方法是可行的且能够提供鲁棒的全局定位结果。     

Early landslide mapping with slope units division and multi-scale objectbased image analysis——A case study in the Xianshui River basin of Sichuan,China

Previous studies on optical remote sensing mapping of landslides mainly focused on new landslides that have occurred, but little attention was paid to the early landslide due to its high concealment. In SAR technology, a prevalent method to detect early landslides, only can be used to identify the potential hazards of slow deformation. Therefore, it is necessary to explore new method of early landslides mapping by integrating all types of direct and indirect early features, such as cracks on slo...     

一种基于超体素与区域生长的机载点云屋顶平面分割方法

区域生长算法存在两个问题：①难以选择出鲁棒性强的种子点;②难以得到准确的边界。针对此问题,提出一种基于超体素进行区域生长和拓扑结构边界优化的屋顶平面分割方法。针对问题①,通过超体素方法将点云分为初始平面片集合,然后通过区域生长算法对平面片进行聚类得到初始平面。针对问题②,对得到的初始平面进行拓扑化,构建并优化平面之间的相邻关系,对非平面点进行重分类以实现平面边界优化。结果表明,使用该方法能够提取出高质量的屋顶平面。     

结合MST划分和RHMRF-FCM算法的高分辨率遥感图像分割

针对基于像素的HMRF-FCM算法抗噪性差以及对地物复杂边界分割精度低的问题,提出一种结合形状信息的静态MST区域划分和RHMRF-FCM算法的高分辨率遥感图像分割方法。该方法定义一种静态MST同质区域划分准则,借助MST能较好表达边界和形状信息、能较好抑制几何噪声的特点,解决地物复杂边界的表达和降低分割结果中几何噪声问题。首先,利用MST静态划分将图像域划分成若干个均质区域,假设每个均质区域内光谱测度服从独立同一的多元高斯分布。然后,在此基础上构建了区域隐马尔可夫随机场模型,以及建立基于信息熵和KL信息正则化项的模糊聚类目标函数。最后,采用偏微分方法对分割模型参数进行求解,从而得到全局最优分割结果。为验证本文方法,对WorldView-3高分遥感图像进行分割试验。定性、定量分析了尺度参数、光谱相似性参数和区域紧致度参数对最优分割结果的影响,并对比分析本文算法和eCognition软件中的多分辨率分割算法、分水岭算法。     

一种基于分割图斑的海岸带遥感图像分类方法

传统的基于象元的分类方法在处理海岸带这类动态多变、混杂度大的地物时常出现“椒盐现象”,难以矢量化形成专题图。提出了一种新的遥感图像分类方法——基于分割图斑的分类法,即选择一个合适的尺度,利用光谱信息按照一定的策略将图像分割为一系列的图斑,并确保图斑内大多数象元的光谱特征相近,分别对图斑内诸象元进行统计,求出各个波段的均值,用该均值替换图斑内所有象元的原始亮度值,这样分类时可以确保同一图斑内的所有象元被分到同一个类别中,从而有效地避免了“椒盐现象”,使分类结果便于矢量化成图,也便于对特定地物的提取。实验结果表明,该方法还能在一定程度上提高分类精度。