高分辨率航空影像中斑马线的识别与重建

提出了一种利用高分辨率航空影像自动识别与重建斑马线的方法。文中利用基于灰度共生矩阵（cray level co-occurrence matrix,GLCM）和二维Gabor滤波器特征的JointBoost分类器来提取斑马线,并依据斑马线在空间几何上的重复性规则对斑马线建立参数模型。最后结合一些具有代表性的实验数据（如阴影、遮挡和模糊等）来验证本文所提出的方法在斑马线的识别与重建中的有效性。     

灰度直方图与K-最近邻的影像分割算法

针对灰度直方图在影像分类时需要考虑阈值和K-最近邻分类算法分类效率低等问题,提出了一种基于灰度直方图与KNN相结合的影像分割算法:首先对待分割的影像进行灰度直方图统计;其次利用灰度直方图对影像进行硬阈值的划分,得到已知类别样本和未标记样本;然后选择一定数量已知类别的样本对KNN分类器进行训练;最后利用KNN分类器对未标记样本进行类别划分,得到最终分割图像。实验结果表明,该算法结合了灰度直方图高效性和KNN高精度的优势,避免了直方图分割最佳阈值的选取;与传统的KNN算法相比,本文算法大大提高了分类效率,且精度相当,满足实际生产应用的需求。     

TIROS-N/NOAA AVHRR资料在大降水个例中应用的一种尝试

木文利用TIROS-10/NOAA,AVHRR云图的3、4、5通道灰度等级图,对1989年6月30日,9月7日两次大降水天气分析表明:3、4、5通道的灰度级别越高,对应区域的降水也越大。通过3、4、5通道的灰度级别分离,大致可以判断云系的厚度,高中低云的分布情况,对降水落区落点的短时预报有指示意义。     

波浪波长和方向提取的图像纹理分析技术

传统的波浪波长和方向分析技术是谱分析。本文从海洋波浪图像直接作图像纹理分析,在图像的每一个处理窗口,以海浪图像灰度极值点大小、个数的分布和灰度共生矩阵为基础,构造了借以区分不同海浪波长和方向的纹理测度,实现提取海浪波长和方向信息。     

资源三号影像朵云识别中云雪分离研究

针对资源三号全色卫星影像在朵云识别过程中云雪不能分离的问题,提出了一种基于云雪边界特征并利用改进的平均梯度和分形维数等纹理信息的云雪分离方法。首先为了减少雪和其他地物对云的干扰进行初步云识别,本文利用灰度均值、分形维数和灰度共生矩阵计算的能量作为特征参数大体提取云区,此时云雪不分;然后再进行云雪分离,利用改进的平均梯度和分形维数特征值来剔除被误识别为云的雪。本文采用的分类方法是支持向量机分类。利用资源三号全色卫星影像测试结果表明,该方法是资源三号全色遥感影像朵云识别中一种有效的云雪分离方法。     

灰度级形态学及在扫描影像处理中的应用

讨论了灰度级形态学的基本原理和利用灰度级形态变换进行扫描影像的方法，提出了灰度影像细化和影像背景淹没滤波的形态学方法，并通过扫描等高线地图影像处理验证了方法的有效性。     

SPOT5影像纹理特征提取与土地利用信息识别方法

本文以太湖流域西苕溪上游安吉地区SPOT5影像600像元×600像元为试验区,首先采用主成分分析对SPOT5影像进行数据压缩和几何信息增强,再采用小波分析方法对影像进行滤波和噪音处理,利用灰度共生矩阵对高分辨率图像的纹理信息进行分析,以对比度和熵为统计指标,确定对比度和熵的最佳阈值,进行边界匹配和图像的分割,将此分割结果与NDVI阈值法分类结果进行叠合,得到最终的分类结果。试验结果表明:将纹理分析方法应用于图像分类中可区分光谱混淆的地物,光谱与纹理特征结合得到的分类精度高于单纯依靠光谱特征进行分类和单纯依靠纹理分类的分类精度。     

纹理特征在多光谱遥感影像分类中的应用

提出了基于灰度共生矩阵的多光谱影像纹理分析的方法,实现了利用k-mean聚类算法对多光谱影像进行分类,比较了各种不同的分类结果。     

纹理特征在Aster影像数据分类中的应用

利用灰度共生矩阵的多光谱影像纹理分析的方法,实现了利用k-mean算法对Aster影像数据进行分类,并对基于单波段影像纹理的分类结果、单纯光谱信息分类结果和结合基于主要波段影像纹理的分析方法及在分类过程中结合掩膜等技术所得纹理特征影像分类结果进行比较。     

利用卫星云图作安顺地区短期强降水预报

用１９９４年影响安顺地区的几次强降水天气过程，对照卫星云图进行了分析，总结出３种不同类型的云系特征，探讨了云顶温度与降水的关系，并举例说明了使用方法，对在实际业务工作中的判断云与降水的关系有一定的作用。