结合LiDAR与遥感影像的水域边界提取方法

针对高分辨率遥感影像提取水域边界不准确、不完整的问题,提出了高分辨率遥感影像结合机载LiDAR点云数据提取水域边界的新方法。首先将配准后的LiDAR点云数据网格化,生成DSM影像,然后运用数学形态学分析获取水体的初始边界信息,最后基于活动轮廓模型的图割算法对构建的边界缓冲区进行优化分割,从而获取精确的水域边界。实验结果表明,该方法能够去除部分水域干扰噪声且能够得到比较精确的边界信息,具有较好的视觉效果和较高的工程应用价值。     

基于改进坡度的自适应数学形态学点云滤波

首先介绍了传统形态学算法,并分析了其应用方面的不足;然后提出了一种基于改进坡度参数的自适应形态学滤波方法 ;最后利用实际点云数据进行了实验。该方法通过划分格网自动计算当前区域坡度的平均值,从而得到适当的坡度参数用于后续高度阈值的计算。实验结果表明,该方法能更有效地识别地面点和地物点,对被建筑物包围的植被点滤除效果明显。     

高分辨率SAR影像道路交叉口自动提取方法

针对高分辨率SAR影像道路交叉口提取易受周围地物干扰的问题,设计了一种利用三角形检测模型提取道路交叉口的方法。该方法首先采取滤波与锐化消除道路交叉口区域噪声点并凸显道路边缘;接着根据灰度特征,通过形态学运算确定道路交叉口候选区域;最后在候选道路交叉口区域运用三角形检测模型,确认道路交叉口。使用3 m Tan DEM-X数据进行实验,结果证明算法对各种常见二维道路交叉口模型均有较好识别效果。     

一种保护细节的从机载激光点云中提取城区DTM的方法

机载激光测距数据是机载激光扫描测距系统获取的三维地面信息,它由离散、不规则的点云构成,这些点云构成了测区的数字表面模型(DSM).准确地将点云中的地面点和非地面点分离,即从DSM中提取数字地面模型(DTM),目前仍是一项挑战性的工作.数学形态学以集合论为基础,适合信号形态分析和描述.应用形态学灰值开运算可以移除点云中的非地面点,但是逐渐增大的结构元素会导致提取的DTM过于平坦.针对过度过滤导致地形细节丢失问题,提出了一种带有约束条件的过滤方法,该方法根据地形起伏程度设定阈值,通过阈值控制运算结果,并以中国自主研制的机载激光扫描测距系统所产生的数据为例,证明该方法的可行性及有效性.     

海拉尔地区五九盆地早白垩世拜拉一新种

Baiera叶部化石是欧亚大陆中生代植物群中的常见分子,广泛分布于晚三叠世-早白垩世地层中.本文根据首次发现于内蒙古海拉尔地区五九盆地下白垩统大磨拐河组的多块保存完好角质层的Baiera叶部压型标本的形态学和表皮构造研究,建立了一个新种-两叉状拜拉(新种)(Baiera bifurcata sp.nov.).     

基于数学形态学的扫描地图点状符号识别方法

提出了一种基于数学形态学的扫描地图符号双向模板匹配识别方法.试验结果表明,与常规模板匹配法相比,该方法不仅能良好地去除扫描地图上噪声的影响,而且能有效、可靠地识别扫描地图符号,平均正确识别率达90%以上.     

利用目标区域拓扑关系图提取建筑物点云

建筑物提取一直是机载激光点云数据处理研究的热点,其中建筑物和其他地物之间的区分是研究的核心和难点。为提高建筑物与其他地物在机载激光点云中的区分能力,提出了一种建筑物点云层次提取方法。首先,在点云滤波后,从非地面点云中提取建筑物候选区域;然后,通过形态学重建和点云平面分割方法对建筑物候选区域构建多尺度空间,并建立目标区域的拓扑关系图;最后,在拓扑关系图基础上,利用5种特征量对目标区域分类,并精确提取建筑物点云。为了测试算法的有效性和可靠性,利用国际摄影测量与遥感学会（International Society for Photogrammetry and Remote Sensing,ISPRS）提供的Vaihingen和Toronto两组测试数据集进行实验,并由ISPRS对结果进行评估,其中基于面积和目标的完整度、正确率和提取质量分别都大于87.8%、94.7%、87.3%。与其他建筑物提取方法相比,该方法在基于面积和目标的质量指标方面最为稳定。实验结果表明,在不同的城市场景下,该算法能够稳健地提取建筑物,并保持很高的正确率。     

基于边缘指导的双通道卷积神经网络单图像超分辨率算法

当前基于卷积神经网络（CNN）的超分辨率（SR）重建算法,虽然取得了很大的成功,但是重建图像高频纹理的效果仍然不能令人满意,其高分辨率（HR）图像局部边缘存在明显的震荡.本文提出一种结合形态学成分分析（MCA）分解的边缘指导双通道CNNSR算法：待处理的低分辨率（LR）图像通过MCA分解为纹理部分和平滑结构部分;纹理部分和原LR图像共同组成双通道,输入到改进的网络结构中重建HR纹理部分;结合HR纹理输出与LR平滑结构部分重建HR图像.训练过程采用最小化纹理损失与原图像损失之和最优化网络模型参数.后处理包括：执行网络输出与LR输入图像的直方图匹配使色调保持一致,提升感官效果;应用迭代的反向映射使HR重建与LR输入保持退化算子一致性提高PSNR值.实验结果显示：该方法能够很好地恢复HR图像的纹理细节,对纹理细节丰富的图像恢复效果更好.     

一种改进顶帽变换与LBP高程纹理的城区建筑物提取算法

利用LiDAR数据的建筑物提取存在植被点与建筑物点难以区分的问题,利用航空影像进行城区建筑物提取则无法有效剔除阴影区域植被。本文融合LiDAR和航空影像两种数据源,提出了改进顶帽变换及局部二进制模式(LBP)高程纹理分析的建筑物提取算法。首先将LiDAR数据进行规则格网化,通过改进顶帽变换提取地面数据点,然后根据航空影像计算归一化差值植被指数(NDVI)值进行植被粗提取,计算LBP高程纹理,精细区分植被点与建筑物点,最后利用形态学操作填充建筑物孔洞,以检测出的建筑物点为种子点进行区域生长,得到完整的建筑物点集合。试验基于ISPRS提供的Vaihingen数据集中复杂多植被城区场景,试验结果表明,本文算法能够有效区分植被与建筑物,实现建筑物准确提取。     

假高帽变换的高分影像居民地信息提取

针对高分辨率遥感影像暗背景下亮居民地的提取问题,该文提出了一种基于形态学多轮廓结构元素假高帽变换的提取方法。该方法首先采用腐蚀型边缘检测算子对影像进行预处理,接着利用多轮廓结构元素分别对影像进行假高帽变换,然后对各个处理结果进行加权融合,最后对加权融合后图像区域生长完成轮廓跟踪。实验结果表明,该方法能够提取居民地,特别适合于暗背景下较亮区域居民地的提取,并且提取效率较高,对于遥感影像居民地提取的研究与应用具有一定的参考价值。