点云分割方法性能评价与对比分析

针对原理相似,但空间邻域类型、相似性准则不同导致的基于区域生长的点云分割方法对同一数据具有不同分割效果的问题,该文介绍了现有的5种基于区域生长的点云分割方法的基本原理.5种方法可以归纳为两种分割过程,即逐点生长和表面生长.所采用的分割准则包括法线向量夹角、点到拟合平面距离和曲率等.另外,不同的分割方法采用不同的分割策略,即使在使用相同的生长准则情况下,仍然会得到有显著差别的分割结果.实验结果表明,区域生长过程中采用RANSAC优化的邻域与法线向量的方法可以有效解决平面相交区域次优分割、过分割问题,而且该方法仅使用法线向量夹角生长准则即可得到较好的分割效果.     

遥感图像分割中的小波域改进信息割算法

针对传统信息割(IC)算法对存在灰度变化的图像易引起误分割的问题,提出了一种小波域改进信息割(W\\|MIC)算法。使用一个新的结合像素点灰度关联和空间关联的Parzen窗对IC进行改进,以降低灰度变化对分割的影响;将MIC引入到小波域,利用小波的平滑作用降低参数选取复杂度,改善图像分割效果。遥感图像分割实验结果表明,W\\|MIC可有效降低参数选择效应,不仅避免了灰度变化引起的误分割,而且还较好地保持了图像边缘。     

基于自适应四叉树分割的遥感图像压缩算法

遥感图像具有不同于一般图像的特点,针对遥感图像对压缩算法的特殊要求,提出了自适应四叉树分割算法实现图像的分块,以各像块的均值近似表示该像块的灰度值,从而以尺量少的数值获得对原始图像的最佳逼近,再对辐近误差进行自适应分割和基于像块方差的自适应量化,最后对各分量进行Huffman编码.实验表明,本算法能表现出良好的实用性能,比JPEG算法更适用于遥感图像的压缩.     

顾及分割效果的QuickBird影像融合方法对比研究

影像融合是实现高空间分辨率遥感影像中全色数据与多光谱数据优势互补的基本途径,已有的融合方法比较侧重融合图像的视觉效果,较少考虑针对融合影像的分割、分析等后续处理与应用环节。以北京市某地区的QuickBird影像为研究数据,将融合、分割实验研究结果与定量分析相结合,从光谱和几何特征两方面对现有基于像素的主流融合方法IHS、PCA、HPF(高通滤波)、Wavelet-PC(WPC)、Ehlers(ELS)及GS(正交变换)进行对比研究,结果表明,不同融合方法针对同一数据源得到的融合影像在目视效果与定量指标两个方面均存在明显的差异,若顾及后续分割与分析,则以GS融合法的综合效果最佳。     

空间碎片观测中拖长星像的测光

提出空间碎片观测中对拖长背景恒星的测光算法,介绍了该方法的基本原理.利用迭代法对目标图像进行局部阈值分割提取,得到的二值图像通常包含多个连通域.最后对各连通域块检测判断,计算出目标的星等,达到测光的目的.通过与天文图像和数据处理软件IRAF的测光结果对比,此算法的误差在0.02mag左右,可以达到测光的要求.     

Y为二级X为多级的相关量度研究

针对小概率事件中常采用的Ｙ取二值,Ｘ取多级的数据环境,采用将因子Ｘ的等级序列Ｘｉｔ转换成以条件概率为参数的序列（ｆ（Ｘｕ）的方法,导出一个与原因子序列（Ｘｕ）与预报序列Ｙｔ是成线性还是非线性相关无关的相关量度公式。它可为建立小概率事件预报模式提供更合理的可比性好的因子挑选准则。     

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。     

凹边形地标参照的主方向关系推理方法

空间推理是地球空间信息、人工智能、自然语言处理等相关领域的热点研究内容。主方向关系的表达与推理是空间推理的重要组成部分。针对空间方向关系矩阵对凹边形对象方向关系表达、推理的不足,研究依据目标对象与凹边形地标方向关系表达的不确定性,提出了凹边形地标参照的外部性主方向关系与内部性主方向关系推理方法。利用凹边形三等分仿射变换矩阵、自适应分割算法实现凹边形地标外部性、内部性参照对象表达;基于向量三角形法则与方向关系谓词,以方向关系的逻辑和、逻辑差合成代数运算推理2个地标、1个地标参照下目标对象与参照对象之间的主方向关系。通过实验与算例验证,证明凹边形地标参照下目标对象与参照对象的主方向关系推理可行性。     

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。