基于活动轮廓模型的高分辨率影像河道边界提取算法研究

河( 航) 道边界定位是河( 航) 道测量的重要内容, 对于内河航运交通、水利工程建设以及水资源开发利用等有着非常重要的意义。在目前遥感影像水体信息提取的研究基础上, 结合计算机视觉领域中的可变形模板轮廓匹配技术的优点, 同时考虑高分辨率影像上河道边界的光谱特征, 提出了一种基于活动轮廓模型的高分辨率影像河道边界提取算法。数据源选用四川宜宾地区的QuickBird影像, 采用本算法对初始轮廓进行变形, 匹配河道边界的真实位置。对于位于真实边界附近的初始轮廓, 拟合的边界线上落在距离真实边界两个像素内的点数达到70% , 5 个像素以内的点数达到90%以上。结果说明引入计算机视觉领域中比较成熟的技术将给高分辨率遥感影像的信息提取开辟新的途径。     

高分辨率遥感卫星影像的河流提取方法研究

为了克服单纯采用光谱信息提取河流的缺陷,利用高分辨率遥感影像突出的高分辨率的特性提出一种综合影像中光谱、纹理、几何特性等多特征联合提取河流的方法。该方法分别对河流水体的光谱特征、纹理特征及河流几何形状进行描述,选取特征参数,构造综合特征矩阵,利用均值聚类分割最终得到河流目标。通过对真实高分辨率遥感影像Worldview1影像进行的实验验证了该方法的高精准性及快速性。     

结合像元形状特征分割的高分辨率影像面向对象分类

针对高分辨率遥感影像空间分辨率高,结构形状、纹理、细节信息丰富等特点,提出一种新的融合特征的面向对象影像分类方法来提取城市空间信息。基本过程包含以下4个方面:①提取影像的几何纹理等结构;②融合几何与纹理特征的面向对象影像分割;③提取对象的形状、纹理和光谱特征,并优选最佳特征子集;④最后基于支持向量机(SVM)完成面向对象的影像分类。通过对福州IKONOS影像数据实验,结果表明融入影像特征后的分割效果明显优于原始影像的分割结果,而信息最大化(mRMR)的特征选择能够快速地获得较好的特征子集。通过与eCognition最邻近分类方法比较,表明本文方法的分类总体精度大约提高了6%,效果显著。     

基于多通道Gabor滤波和D-S证据理论的虹膜识别

为了提高虹膜识别的准确性和稳定性，研究了Gabor滤波的虹膜特征提取方法，并在此基础上对虹膜特征进行了D-S(Dempster-Shafer)证据理论的改进．提出了多通道Gabor滤波和D-S证据理论的虹膜识别方法．该方法充分考虑到虹膜图像获取中被考察对象的姿态和环境光照等不确定性因素对识别结果的影响，通过选择不同频率和方向的Gabor滤波器组，有效提取虹膜特征，并结合D-S证据理论实现了虹膜特征决策．实验结果表明，所提方法增强了虹膜识别过程中抵御图像噪声、干扰和亮度变化等不利因素的能力，与标准的Gabor方法相比，识别率平均提高了4.05%．     

无人机影像与地形指数结合的梯田信息提取

目前,通过卫星遥感、低空遥感影像自动,半自动化解译梯田信息有一定的研究进展,但是受数据获取成本、精度、解译方法单一等限制,只限于大面积提取梯田区域。低成本地进行梯田的田面精准提取以及面积统计仍需进一步研究。本文基于面向对象方法分别对0.5m分辨率的无人机正射影像和地形指数,及两种数据的结合进行梯田区域分割、提取及面积统计。结果表明,将正射影像数据与地形指数结合的梯田的田面提取结果优于基于单一数据源。     

双树复小波特征在运动想象脑电识别中的应用

提出了一种基于双树复小波变换的运动想象脑电信号特征提取方法。针对传统离散小波抗混叠性差的缺陷,采用双树复小波变换对脑电信号进行分解与重构,得到各子带信号能量并进行归一化处理,选取α、β节律信号的归一化能量作为想象运动的特征进行SVM分类。通过对仿真信号的分析,证实双树复小波变换具有良好的混叠抑制能力和抗噪性。最后选用国际脑机接口竞赛和实验室实测的运动想象数据进行分类识别。实验结果表明,双树复小波变换是一种有效的特征提取方法,其运动想象特征的识别率要优于常用的特征分析方法。     

The Comparison of Urban Tree Crown Extraction based on Airborne LiDARElevation Difference and High Resolution Imagery

With the support of airborne Light Detection and Ranging (LiDAR) data and high spatial resolution aerial imagery,this paper presents an individual tree extraction method that takes the region of urban as the study area.The elevation difference model originated from LiDAR data was used to extract regions of interest including trees. Then,masking was applied to the high spatial resolution aerial imagery to get the same regions. Besides,image segmentations,based on the marked watershed algorithm,were processed on the high spatial resolution aerial imagery and the elevation difference model separately to extract individual tree crowns. Finally,we took a visual interpretation to delineate tree crowns manually and this result was regarded as the reference crowns map. The extraction accuracies were assessed by comparing the spatial relationships of the reference crowns and the automated delineated tree crowns based on the elevation difference model and the high resolution imagery. The results show that the LiDAR data is developed to improve the efficiency of obtaining forest region that the canopy height model include 85.25% forest information. In addition,the tree crowns extraction accuracy based on the high resolution aerial imagery is 57.14%,while another extraction accuracy based on the elevation difference model is 42.47%,which indicated that the marked watershed algorithm proposed in this paper is effective and the high resolution imagery is better than the elevation difference model to extract tree crowns.     

基于数学形态学的道路遥感影像特征提取及网络分析

如何从遥感图象上提取道路特征已有多种方法，如边缘探测与追踪、线性滤波、利用各种空间关系进行道路特征识别，基于知识的道路网络提取以及数学形态学等，但尚有许多问题有待解决。为了方便GIS应用以及地图更新，提出了一种基于数学形态学的道路网络分析方法，用于对遥感图象上已分类的道路信息进行各种处理，以便得到所需的道路网络。该方法与步骤为首先将道路影像二值化，同时进行噪音去除、断线连接、细化，并通过将栅格数据转换成矢量形式来得到基本的道路网络；然后对基本道路网络进行分析、连接、选取；最后用Douglas-Peuker算法对道路进行平滑处理与表示来得到最终提取的道路网络，并以南京市江宁经济开发区SPOT、高分辨率IKONOS图象为例进行了实验。道路特征提取的结果与目视解译结果进行比较的结果表明，该道路提取方法对道路发展相对较快的区域更为有效，且提取精度较高。该方法对土地管理规划部门非常有价值，是进行GIS与地图道路更新的有效方法。     

基于深度学习特征字典的单帧图像超分辨率重建

在基于字典的单帧图像超分辨率重建算法中,依赖人工浅层特征设计的字典表达图像特征能力有限。为此,提出基于深度学习特征字典的超分辨重建方法。该算法首先利用深度网络进行高、低分辨率训练样本图像深层次特征学习;然后,在稀疏字典超分辨框架下联合训练特征字典;最后,输入单帧低分辨率图像并利用该字典实现超分辨率重建。理论分析表明,引入深度网络提取图像深层次特征并用于字典训练,对低分辨率图像的高频信息补充更加有利。实验证明,与双三次插值以及基于一般人工特征字典的超分辨重建算法相比,本文算法的主观视觉和客观评价指标均高于对比算法。     

Automatic map-guided extraction of roads from SPOT imagery for cartographic database updating

Abstract

The launching of the Satellite Probatoire d'Observation de la Terre (SPOT) has permitted the acquisition of images with a relatively fine ground resolution (10 and 20 m). Such improvement has brought forward the possibility of medium-scale mapping using such data. In this paper we are proposing an automatic approach to 1:50000 scale planimetric data revision using the panchromatic channel of SPOT imagery (10m of ground resolution). A software package has been developed that performs an automatic map-guided extraction of objects from the SPOT image for map revision purposes. The programs are fully described along with some conclusive results through the updating of the road network on a topographic map. An attempt has been made to give a preview of how such a map-guided approach can be extended to other linear features and possibly two-dimensional objects as well.     

多类运动想象脑电信号的两级特征提取方法

共同空间模式（Common spatial pattern,CSP）是运动想象脑机接口（Brain-computer interface,BCI）中常用的特征提取方法,但对多类任务的分类正确率却明显低于两类任务.通过引入堆叠降噪自动编码器（Stacked denoising autoencoders,SDA）,提出了一种多类运动想象脑电信号（Electroencephalogram,EEG）的两级特征提取方法.首先利用一对多CSP（One versus rest CSP,OVR-CSP）将脑电信号变换到使信号方差区别最大的低维空间,然后通过SDA网络提取其中可以更好表达类别属性的高层抽象特征,最后使用Softmax分类器进行分类.在对BCI竞赛IV中Data-sets 2a的4类运动想象任务进行的分类实验中,平均Kappa系数达到0.69,表明了所提出的特征提取方法的有效性和鲁棒性.     

改进U型残差网络用于肺结节检测

针对计算机断层扫描（CT）影像中肺结节检测灵敏度较低,且存在大量假阳性的问题,提出一种改进的U型残差网络用于肺结节检测。采取U-net网络的U型结构并利用残差学习方式构建深层次网络,同时引入自校正卷积增加特征的信息提取能力,进行通道间与局部信息增强,有利于检测不同形态的结节;通过引入的通道注意力机制,对特征提取过程中的特征进行重标定,实现自适应学习特征权重,进一步提高检测的准确率;引入DR loss作为该算法的分类损失函数,用于解决数据正负样本失衡问题。在LUNA16数据集对所提算法进行了验证,CPM得分达到0.901,提高了肺结节检测的灵敏度,而且有效降低了检测结果的平均假阳性个数,可有效辅助放射科医师对肺结节进行检测。     

Using satellite remote sensing for DEM extraction in complex mountainous terrain: Landscape analysis of the Makalu Barun National Park of eastern Nepal

The design and management of national parks and other protected areas requires a broad base of physiographic and geo-ecological information about the landscape. This paper evaluates the effectiveness of satellite remote sensing for photogrammetric stereo-mapping and digital elevation model (DEM) extraction within remote mountainous terrain. As a case study, a landscape analysis of the Makalu Barun National Park and Conservation Area of east Nepal (27.5° N, 87.0° E) was examined. The study area is a highly complex and rugged mountain landscape, with extreme topographic relief and an elevation gradient spanning more than 8300 m. A DEM extracted from stereo SPOT imagery resulted in a median disagreement of 58 m when compared to a DEM generated from a conventionally digitized GIS dataset of topographic contours (scale=1:250 000). Visual comparison of the two DEMs showed substantial agreement at the landscape scale, while larger scale comparison of 100 m contours revealed some localized differences. The SPOT extracted DEM provided equal or better basis for orthorectification of satellite imagery when compared to the conventional DEM. Derivative landscape analysis outputs, such as hydrological modelling, drainage networks and watershed boundaries, compared well with results based upon the conventional dataset. Intermediate map products useful for field research and mapping included production of an orthorectified satellite base-map image. Additionally, a fused multisensor high resolution image of the study area, combining Landsat Thematic Mapper (TM) and SPOT imagery at 10 m resolution, was orthorectified to produce a false-colour satellite image map highlighting the spectral discrimination between land cover classes.     

航空遥感图象中道路的自动提取方法

基于航空遥感图象的道路自动检测与识别是数字城市、道路监控等领域非常重要的课题;其检测方法经改进可用于跑道识别,为飞机自动降落提供必要的跑道信息。该文以传统道路提取方法为基础进行改进,提出一种道路自动提取方法,该方法包括以下几步:首先,利用微分几何方法对图象进行线特征强化处理;接着,进行线段提取,将传统方法中需要分步实现的线特征抽取和线段连接同步完成,同时对连接判定阈值的设置进行了一些讨论,提出了自动设置阈值的方法;最后,根据道路的拓扑性质进行线段的聚合分类。实验结果表明,该方法能准确有效地提取出道路。     

基于语义先验和双通道特征提取的图像修复

针对现有的图像修复算法重建结果存在的局部结构不连通、细节还原不准确等问题,提出了一种基于语义先验和双通道特征提取的图像修复算法（semantic prior and dual channel extraction,SPDCE）。该算法利用语义先验网络学习缺失区域的语义信息和上下文知识,对缺失区域进行预测,增强了生成图像的局部一致性;然后通过双通道特征提取网络充分挖掘图像信息,提升了对纹理细节的感知和利用能力;再使用上下文特征调整模块在多个尺度上捕获并编码丰富的语义特征,从而生成更真实的图像视图和更精细的纹理细节。在CelebA-HQ和Places2数据集上进行实验验证,结果表明,SPDCE算法与常用算法相比,峰值信号比（peak signal-to-noise ratio,PSNR）和结构相似性（structural similarity,SSIM）分别提升1.6~1.73 dB和3.1%~9.9%,L1 loss下降15.2%~27.8%。实验证明所提算法修复后的图像具有更合理的结构和更丰富的细节,图像修复效果更优。     

基于独立分量分析的高光谱遥感影像决策树分类

为解决高光谱遥感影像波段众多所带来的信息丰富与“维数灾难”间的矛盾并提高分类精度,针对传统特征选择方法信息损失大的缺陷,基于EO-1 Hyperion高光谱遥感影像,采用独立分量分析(ICA)和决策树分类(DTC)方法联合运作流程,开展影像的地物分类实验研究,提出了ICA-DTC模型。首先运用ICA方法对影像进行特征提取,并以所提取的独立分量特征及其他地理辅助要素组成分类指标集;继而选择适当的指标组合和阈值设定判别规则,建立DTC模型进行影像的地物分类;最后将分类结果与传统最大似然分类法进行比对。结果显示：从分类的总体精度看,前者可达89.34%,高出后者18.8%;从单一地物的分类精度看,前者仅水体的精度略低于后者,而其他11种地物的精度都高于后者。理论分析与实验结果均表明,ICA-DTC模型可有效提高复杂地形条件下的地物分类精度。     

基于混合特征提取的易混淆三维目标识别研究

针对易混淆三维目标识别这一问题,通过提取混合特征完成识别;首先获取各类三维目标的若干二维视图,将这些视图放在一起提取它们的大体轮廓特征并进行分类,使得具有相似外形的目标分为一类;然后采用基于统计学的标志矩提取方法提取每类中能分辨各种目标的局部特征,这样特征库就建立了;识别过程中,针对实际要识别的目标,提取它的混合特征并与库中数据进行匹配,确定其类型;算例研究表明,基于混合特征提取的识别系统结构简单、高效。     

基于面向对象方法的遥感影像桥梁提取

面向对象的分析方法是一种有效的高分辨率遥感影像处理技术,提出一种基于图像对象的水上桥梁识别方法。首先采用区域生长方法对影像进行分割,以分割后产生的图像对象为基本处理单元进行分类,提取出水体类别。然后在分析桥梁目标特征的基础上,利用图像对象的形状特征,以及桥梁和水体的上下文关系特征,提取影像中的桥梁目标。最后以实验验证了所提出方法的有效性。     

基于属性分解融合的可控人脸图像合成算法

在现实生活中，人脸图像受隐私或安全因素的限制难以直接采集，因此可以考虑采用图像生成方法。当使用生成对抗网络进行图像生成时，容易出现分辨率低、边缘模糊、身份信息特征丢失等问题。针对上述问题，提出了一种新的人脸特征生成模型：通过将关键信息作为独立编码嵌入隐式空间，再与全局特征进行融合插值实现对人脸关键特征的可控生成；引入改进的注意力模块，在生成过程中关注局部特征和全局特征的相关性；将色差损失和人脸分量损失联合引入整体损失函数中，负责约束像素颜色和人脸纹理特征。该算法可以在人脸局部区域生成自然真实的外观特征，保留原始身份信息，并生成平滑的面部轮廓。使用预处理后的CelebA数据集的实验表明，该算法在主观视觉效果上有显著提升，同时与现有方法相比在PSNR和SSIM上有稳定的提升。     

基于改进水平截集算法的SAR图像海岸线检测

合成孔径雷达(SAR)图像海岸线检测,在自动导航、地图绘制等海洋应用方面具有重要意义。水平截集算法是一种基于人类视觉特性的边缘检测方法。由于它具备检测效果好、抗噪能力强等优点,因而在海岸线检测方法的研究和应用两方面倍受关注。然而,水平截集算法由于迭代方式复杂等原因在应用于分辨率较大的图像时,检测速度比较慢,限制了它在工程应用中的实用性。针对SAR图像,提出一种基于水平截集算法的改进算法,先在低分辨率图像中用水平截集算法进行粗略检测,得到贴近真实海岸线的轮廓线,然后将轮廓线映射到高分辨率图像上,继续用水平截集算法进行检测,最后得到精确的结果。实验中使用Radarsat ScanSAR图像证明该方法可大大加快检测速度,通过与原水平截集算法的检测效果进行对比,新方法没有降低检测效率。