基于知识库的遥感图像桥梁识别研究

利用桥梁的特征,实现高分辨率遥感图像中桥梁目标的识别方法。首先建立桥梁特征的知识库,在低层处理中运用链码边界跟踪与边界填充的方法提取出水域;在中层处理中使用Hough变换寻找桥梁线并提取其特征参数;最后在高层处理中对目标进行验证,并在整个过程中加入知识进行指导。该识别软件具有较高的识别准确率。     

基于等高线的车型轮廓提取方法研究

用于车型轮廓识别的汽车图片通常带有极复杂的背景噪音.在此,采用等高线方法提取车型轮廓并与传统图像处理方法(如:Canny算子.形态学算子)进行了比较,实验结果表明:等高线原理应用于复杂背景情况下车型轮廓的提取效果更为理想.解决了在单一背景下提取轮廓线的局限性问题.并用直线拟合车型轮廓曲线,根据不同的车型会有不同直线斜率和成角信息,提出了斜率之差算法,用于等高线轮廓的直线拟合.该算法为后续车型分类识别提供了非常有用和可靠的特征样本信息.     

一种新的步态图像序列分割算法

在运动目标步态识别中，从步态图像序列中提取出完整的人体运动轮廓对特征提取、目标分类和目标识别等有着非常重要的意义。提出了一种新的运动目标分割算法：首先应用改进的块匹配算法进行运动估计；然后运用分水岭算法把当前帧图像分割成许多封闭而不重叠的小区域；最后运用仿射参数模型进行运动块区域合并。在CMU步态数据库中采用基准算法进行的实验表明，运用所提出的算法能够提取出完整的人体轮廓，进一步提高步态识别的识别率。     

利用Beamlet变换算法提取遥感图像直线

遥感图像处理中，直线特征是一种极为重要的特征，能够提供重要的视觉感知线索。本文利用一种Beamlet变换算法来提取遥感图像中的直线特征，通过对遥感图像按二进、递归进行划分，利用灰度信息，积分计算每一小块图像中的Beamlets，结合梯度信息，通过广义似然比检验GLRT（Generalized Likelihood Ratio Testing）来检测判断符合条件假设的Beamlets，重建目标直线。此算法可以克服图像中的干扰及噪声，适应复杂、低信噪比遥感图像环境，准确地定位出直线。实验结果表明，这种算法具有较好的性能，可以应用到实际的遥感图像处理中，具有实用价值。     

保持轮廓清晰光滑的灰度图像放大算法

灰度图像放大时，插值所具有的平滑作用会退化图像的高频部分，使放大图像轮廓变得模糊，文中提出一种基于拟合分界线的插值放大算法，该处包括分割和插值放大两个步骤；分割是搜索出灰度图像的突变象素点，并用三次均匀B样条把它们拟合为光滑分界线，以把整幅图像分割为若干子区域；插值放大是基于拟合分界线对图像插值，即插值操作限定于原图像的某一子区域内进行。采用文中算法得到的放大图像不仅可保持轮廓清晰，而且可持续轮廓光滑，最后给出三个放大实例，证明了 文中放大算法比常规算法产生的图像质量高。     

基于深度学习的遥感图像目标检测与识别

为解决目前的遥感图像目标检测算法存在的对小尺度目标检测精度低和检测速度慢等问题，提出了一种基于深度学习的遥感图像目标检测与识别算法。首先，构建一个含有不同尺度大小的遥感图像的数据集用于模型的训练和测试；其次，基于原始的多尺度单发射击（SSD）网络模型，融入了设计的浅层特征融合模块、浅层特征增强模块和深层特征增强模块；最后，在训练策略上引入聚焦分类损失函数，以解决训练过程中正负样本失衡的问题。在高分辨率遥感图像数据集上进行实验，结果表明所提算法的检测平均精度均值（mAP）达到77.95%，相较于SSD网络模型提高了3.99个百分点，同时检测速度为33.8 frame/s。此外，在拓展实验中，改进算法对高分辨率遥感图像中模糊目标的检测效果也优于原多尺度单发射击网络模型。实验结果说明，所提改进算法能够有效地提高遥感图像目标检测的精度。     

高分辨率遥感图像隧道入口自动识别方法的研究

提出了一种在高分辨率可见光图像中山体隧道入口的自动识别方法。该方法首先从遥感图像中屏蔽掉绝大部分无关的地物细节，提取出潜在的道路目标区域，然后利用动态规划的搜索策略从道路种子点进行搜索，其中道路种子点由改进的随机Hough变换（GRHT）自动确立，最后利用搜索费用函数和山体的纹理特征对隧道入口进行定位。整个算法可以进行自动识别。实验中选取QuickBird图像为例，结果证明该算法具有很好的识别效果。     

主动搜索耦合图案匹配的PCB板基准点识别算法

为了解决当前PCB板基准点识别算法在基准点尺寸变化和存在污痕的情况下易产生较高的误识别率等问题,提出主动搜索耦合图案匹配的PCB基准点识别算法。首先,引入高斯中值滤波对图像进行平滑处理,采用阈值处理与形态学分割图像,通过搜索符合特征标准的基准点轮廓,设计主动搜索算子,完成对基准点的首轮识别。然后,通过基准点模板图像和Aforge.NET匹配函数,在图像中定位基准点目标,返回中心点坐标与匹配度,完成对基准点的精准识别。实验结果显示：与当前识别技术相比,本文算法具有更高的识别精度与抗干扰性。     

二维截面轮廓特征重建方法

针对目前轮廓特征识别算法存在识别结果易受噪声数据干扰、需对每一图形轮廓测量数据进行矢量化等问题,对二维截面轮廓特征重建方法进行研究,提出采用分步方式进行截面轮廓拟合的方法.首先,用平均增量法将测量数据进行直线段分段,并用最小二乘法对分段数据进行拟合,再把拟合结果存入链表内;然后,对于直线段链表内的相邻3条直线段,若相邻2条线段形成的半径满足给定阈值,则进行直线段圆弧拟合处理;最后,搜索拟合的圆弧段,如果存在2个或2个以上的连续圆弧,则将其重构为B样条曲线,得到二维截面轮廓特征的重构图形.该方法能有效减少拟合特征单元的数目,提高拟合精度.     

彩色遥感图像目标提取方法研究

目标提取是对遥感图像进行分析处理的一个重要内容。针对彩色遥感图像的特征,首先采用了传统的边缘检测方法,验证其存在的不足。进而运用模糊聚类分析的模糊C-均值算法,选择适当的正交彩色特征,实现了对图像中目标区域的有效分割与快速提取,为遥感图像识别与计算提供了可靠的基础。研究实例表明了算法的有效性。     

基于对象关系特征的高分辨率光学卫星影像水上桥梁目标识别方法

利用卫星遥感技术对大中型桥梁进行识别定位,在民用上和军事上都具有很重要的意义。本研究提出了一套利用基元对象关系特征提取高分辨率卫星影像中水上桥梁的技术方法。首先利用多尺度分割算法对高分辨率卫星影像进行分割,利用水体指数或GLCM同质性纹理特征区分河水和陆地;其次,利用对象形状特征和相邻的关系特征提取桥梁潜在区;将河流片段和桥梁潜在区专题二值化,利用数学形态学算子实现河流水面的连续化;最后利用叠加分析的方法获得最终的桥梁目标。本方法充分利用了桥梁与河流相邻和相交的空间关系特征,利用QuickBird和IKONOS高分辨率卫星影像进行实验,证明所提出的方法可以高精度的实现大中型水上桥梁的识别定位。     

全色遥感图像中城区的快速模糊分割算法

提出一种全色遥感图像中城区的快速模糊分割算法。该算法基于模糊集理论,根据贝叶斯准则建立相应的隶属函数,并分析选取城区在全色图像中有效的特征,逐步实现城区的分割。实验以SPOT-5全色图像为例,并对模糊训练的可靠性进行分析,最后与区域增长法和多尺度几何信息分割算法进行比较。实验表明,该算法简单准确快速,能够为一些重要的应用提供有效支持。     

Extraction of bridges over water from IKONOS panchromatic data

Compared to remote sensing images of medium or low spatial resolution, high‐resolution remote sensing images can provide observation data containing more detailed information for georesearch. Accordingly, an important issue for current computer and geoscience experts is to develop useful methods or technology to extract information from these high‐resolution satellite images. As part of a series of research into object extraction, this paper focuses mainly on the extraction of bridges over water from high‐resolution panchromatic satellite images. Since bridges over water are obviously adjacent to water in remote sensing images, this paper proposes a practical knowledge‐based bridge extraction method for remote sensing images of high spatial resolution. The steps involved are: water extraction based on Gauss Markov Random Field (GMRF)‐Support Vector Machine (SVM) classification methods which use a SVM to classify the image based on textural features expressed by a GMRF; image thinning and removal of fragmented lines; main trunk detection by width; vectorization; and feature expression. Finally, tests are described for two pieces of panchromatic IKONOS satellite images with a 1 m resolution. The experimental results show that the proposed method is suitable for images with a single‐peak histogram (contrast between water and land is sharp) or a multi‐peak histogram (greyscale value of water is close to that of land).     

利用遗传算法实现不同遥感影像的河道信息自动提取

凌汛遥感监测需要获取发生凌汛河段的整体信息,然而单幅遥感影像很难覆盖发生凌汛的所有河段,多幅遥感影像之间又存在着不同的尺度缩放和变形,其上的河道信息无法直接拼接使用.为了获得整条河流的凌汛信息,必须进行河道信息的自动提取和拼接.首先从理论上分析了不同尺度遥感图像上河道的特征,建立了不同尺度遥感影像上河道对应点之间的数学变换模型,然后利用遗传算法对变换参数进行优化求解,实现了不同尺度河道信息的最小化偏差拼接.从处理的结果看,该算法具有较强的稳定性,收敛速度较快.该算法还可以用于不同尺度遥感影像上其他地理特征的拼接与整合.     

Remote sensing monitoring of ocean colour in Pearl River estuary

The study attempts to provide additional understanding of the long-term evolution of water quality in the Pearl River estuary and Hong Kong coastal areas by monitoring the ocean colour from remote sensing images. The extensively inter-connected river network of Pearl River estuary has a large catchment area and its environmental deterioration due to rapid economic growth is significant. The data received by Landsat satellites, over a time period of more than 20 years, were used to evaluate the evolution of water clarity. The study shows the historical varying of sea colour in these areas and image processing methods for extracting the ocean colour features of Landsat images are suggested. The algorithm of 'Gradient Transition' was used to calibrate the result images and the comparing method was used to process and analyse remote sensing images of Case 2 water.     

Combining fuzzy theory and a genetic algorithm for satellite image edge detection

Edge detection of an image by remote sensing is an important tool for the detection of oil spilled on sea. There are many algorithms for edge detection by image processing. Each algorithm has its own advantages and disadvantages for different images. In this paper, the author makes some improvements to the Pal–King fuzzy edge detection algorithm and proposes an algorithm combining improved fuzzy theory and a genetic algorithm for the detection of oil spilled on the sea by remote sensing. The Pal–King fuzzy detection algorithm has a good capability for the detection of fuzzy and thin edges. However the complex and large calculation and the fixed threshold value do not suit some kinds of image processing. The algorithm presented in this paper is composed of two parts: an improved fuzzy enhancement algorithm, which simplifies the complex G and G ^?1 calculation in the Pal–King algorithm; a genetic algorithm with which we are able to obtain the threshold value precisely and quickly for image processing. Finally the paper gives the results of image processing using the algorithm mentioned above and the Pal–King algorithm. Through comparison, we can conclude that the processing results obtained using the algorithm suggested in this paper are more legible than by the Pal–King algorithm.     

基于GDAL的遥感图像变化检测技术

由于GDAL（Geospatial Data Abstraction Library）具有快速读取多种格式的遥感图像且能有效解析空间元数据等特点,利用它开发遥感图像处理算法具有明显的优势。结合GDAL及相应算法,开发了一套复杂地形山区植被遥感变化检测的技术,其中包括利用阴影消除植被指数（Shadow Elimination Vegetation Index,SEVI）反演植被长势;利用图像差值法及最大类间方差法（OTSU）来提取植被长势明显变化点位;利用[K]均值聚类自动分割识别变化区域。将该方法用于武夷山自然保护区和闽江源自然保护区2016-2017年Landsat8 OLI遥感图像的植被长势变化检测,结果表明,这套遥感图像变化检测技术切实可行,能够有效识别遥感图像变化区域,并在复杂地形山区的植被长势监测中具有良好的应用价值。     

基于有监督模糊C-均值算法的混合像元分解

遥感影像中普遍存在混合像元,混合像元的分解是遥感图像处理的一大难点,同时也是人们研究的热点。使用有监督的模糊C-均值算法对遥感影像的混合像元进行分解。在传统的模糊C-均值算法的基础上结合先验知识引入优化初始聚类中心的方法,结合通过降采样产生的模拟数据、ETM遥感影像和MODIS遥感影像对算法性能进行了实验。结果表明,算法适用于多光谱遥感图像的混合像元分解,是一种简易可行的方法。     

基于国产GF-1遥感影像的面向对象桥梁提取方法研究

以国产“高分一号”2m/8m高空间分辨率遥感图像为数据源,使用基于规则的面向对象的方法实现了对高分辨率影像中桥梁目标的精确提取。首先,经过多尺度分割实验并结合下垫面特征选择最优分割尺度;其次,利用水体指数、阈值函数等方法建立规则集,逐步获取水体和桥梁潜在区的矢量文件;最后,通过二值化、数学形态学处理、叠加分析等方法成功提取桥梁目标。实验结果表明,该方法可以准确、高效地提取出桥梁信息,总体精度在90%以上,Kappa系数在85%以上,在高分辨率遥感影像高精度提取桥梁的实践中具有广泛的适用性,该研究成果或对国产高分影像处理系统的研究与应用提供了一定的科学参考。     

快速鲁棒核空间模糊聚类分割

目的 传统模糊C-均值聚类应用于图像分割仅考虑像素本身的聚类问题,无法克服噪声干扰对图像分割结果的影响,不利于受到噪声干扰的工业图像、医学影像和高分遥感影像等进行目标提取、识别和解译。嵌入像素空间邻域信息或局部信息的鲁棒模糊C-均值聚类分割算法是近年来图像分割理论研究中的热点课题。为此,针对现有的鲁棒核空间模糊聚类算法非常耗时且抑制噪声能力弱、不适合强噪声干扰下大幅面图像快速分割等问题,提出一种快速鲁棒核空间模糊聚类分割算法。方法 利用待分割图像中像素邻域的灰度信息和空间位置等信息构建线性加权滤波图像,对其进行鲁棒核空间模糊聚类。为了进一步提高算法实时性,引入当前聚类像素与其邻域像素均值所对应的2维直方图信息,构造一种基于2维直方图的鲁棒核空间模糊聚类快速分割最优化数学模型,采用拉格朗日乘子法获得图像分割的像素聚类迭代表达式。结果 对大幅面图像添加一定强度的高斯、椒盐以及混合噪声,以及未加噪标准图像的分割测试结果表明,本文算法比基于邻域空间约束的核模糊C-均值聚类等算法的峰值信噪比至少提高1.5 dB,误分率降低约5%,聚类性能评价的划分系数提高约10%,运行速度比核模糊C-均值聚类和基于邻域空间约束的鲁棒核模糊C-均值聚类算法至少提高30%,与1维直方图核空间模糊C-均值聚类算法具有相当的时间开销,所得分割结果具有较好的主观视觉效果。结论 通过理论分析和实验验证,本文算法相比现有空间邻域信息约束的鲁棒核空间模糊聚类等算法具有更强的抗噪鲁棒性、更优的分割性能和实时性,对大幅面遥感、医学等影像快速解译具有积极的促进作用,能更好地满足实时性要求较高场合的图像分割需要。