基于计算机视觉的混凝土坝裂缝检测方法

为解决传统图像分割算法难以分割噪声污染严重的坝面裂缝图片的问题,提出一种基于自适应区域生长和局部K-Means聚类的坝面裂缝检测算法。采用双边滤波对裂缝灰度图进行初步降噪,运用自适应区域生长算法获得裂缝的粗分割图,再通过形态学腐蚀操作以及最大连通域提取操作去除孤立的点状及团状噪声,最后采用局部K-means聚类算法获得裂缝的精细分割图。运用该算法以及大津阈值分割算法等常用的3种算法对3幅分别存在污渍噪声、混凝土表面毛刺噪声、块状以及条状噪声污染的裂缝图片进行分割。结果表明:该算法获得的分割结果完成度指数以及正确度指数均在0.95以上,高于其他3种算法;该算法的抗噪性好,适应性强,能实现对坝面裂缝的精确识别分割。     

基于无人机低空遥感和OTSU算法的黑龙江开江流凌密度研究

为提高流凌期冰凌变化信息获取的时效性和准确性,本文提出了基于无人机可见光遥感影像和OTSU算法的冰凌变化信息提取方法.以黑龙江漠河段河流断面为研究对象,首先,利用无人机遥感平台获取流凌期的高分辨率俯拍影像,对比4种图像阈值分割法,根据原始冰凌图像的灰度特征,以OTSU算法为基础,结合顶帽变化算法实现冰凌的识别和分割;同...     

基于高清遥感影像的滑坡自动解译方法探索

溃滑型、溃崩型、剥皮型地震崩滑地质灾害在遥感图像上有明显的特征,基于云的多光谱遥感影像边缘检测算法能在最大限度地抑制细小边缘的前提下,比较完整地提取主要边缘。通过对滑坡遥感影像特点的分析和对云模型边缘检测算法的研究,在理论上对滑坡遥感影像的边缘检测进行了初步探索,提出了改进的云模型滑坡边缘检测算法。     

基于谱聚类的极化SAR影像分割改进算法

谱聚类的影像分割算法是一种基于点的聚类方法,其通过选用不同的特征构建相似性度量矩阵,来衡量像元间的相似性程度。在解算过程中需要计算每2个像元间的相似性度量,在处理大幅影像时,运算量大、耗时长。针对这一问题,提出了一种改进方法。首先通过均值漂移算法对极化SAR影像进行预处理,然后选取中心像元,构建相似性度量矩阵,采用归一化分割准则完成影像分割。实验结果表明,该算法分割结果优良,准确性高,有效地提高了原算法的分割效率,具有一定的实践意义。     

基于PSO优化K-Means算法的边坡安全等级评价研究

由于较多因素影响边坡的稳定,且各因素之间关系复杂相互影响,为了更加准确地评价边坡情况,采用了粒子群优化K-Means聚类算法,有效地摆脱了常规K-Means算法因局部最优而陷入极值的缺点,增加了粒子群群体的多样性,提高了评价结果的全局最优性。对三峡库区的36个边坡工程分析,结果表明该优化算法优于常规K-Means聚类算法。     

基于SPOT 5的水域监测技术研究

利用计算机进行遥感图像解译,可快速获取地表不同专题信息,利用SPOT5遥感影像对水域监测技术进行探讨,介绍水域专题信息的自动提取技术,在某乡镇的水域监测实验中取得了一定的效果。     

基于FAHP和K-Means聚类的边坡稳定性模型

为了解决实际工程中边坡安全系数不能准确描述边坡状态的问题,基于定性分析和定量分析相结合的思想,运用FAHP法和K-Means聚类算法,通过对滑坡样本的关键因素进行评价和聚类得到各因素的聚类中心,再通过构建联系数向量的方法,建立基于FAHP和K-Means聚类的边坡稳定性模型。根据边坡中的关键性因素运用基于FAHP和K-Means聚类的边坡稳定性模型完成对未知边坡样本进行预测。将该模型应用于新建南昌到赣州铁路客运专线项目,结果与实际情况相符合,避免了实际工程中单纯考虑边坡安全系数来确定边坡状态的局限性。通过构建基于FAHP和K-Means聚类的边坡稳定性模型,揭示了高度、边坡角、孔隙水压力比等因素与边坡稳定性的非线性关系,此模型可以为边坡的设计、施工、监测提供参考。     

多层感知神经网络在遥感影像解译中的应用

在黄河下游防洪救灾决策中，利用卫星遥感影像快速、准确地获得洪水淹没面积，对于及时组织救灾、避免人员伤亡、减少经济损失具有重要的作用。目前国内外研究了大量的影像解译方法，然而，能够应用于生产实际的多是耗费大量时问的目视解译方法。分类聚合技术能够快速进行淹没面积影像解译，基于人工神经网络技术，提出了进行淹没面积遥感影像自动解译的多层感知神经网络模型（MLP-ANN），并利用下游滩区雷达卫星遥感影像进行了模型训练和测试。研究结果表明，利用MLP-ANN进行雷达影像自动解译获得了良好结果，能为下游滩区防洪决策提供信息支持。     

基于遥感图像的河流提取方法及应用研究

通过融合监督分类和非监督分类方法,提出了基于彩色遥感图像的河流提取算法。在监督分类方法中,采用局部傅里叶变换来捕捉图像的不同颜色和纹理特征,用从样本中提取出来的LFT特征集对大间隔最近邻分类器进行训练,把图像分为河流和背景两部分;在非监督分类方法中,采用基于颜色的k-均值分类分割方法,从背景中分离出河流。对两种方法的输出结果进行融合,即可得到最终的河流提取结果。实例表明:该方法能够准确地从彩色遥感图像中进行河流提取。     

水土保持生产建设项目扰动遥感分析

生产建设项目遥感监督管理往往需要通过大量遥感图像人工标注训练样本,进行深度学习模型的训练。为此,通过对大量遥感影像进行统计观察,结合实际建立了包括裸地、水泥地、森林等14种基本地类解译标志库,并以此为基准制作训练样本。在此基础上,详细分析生产建设项目的要素组成,探究了机场工程、涉水交通工程生产建设项目的地类组成规律,为后期深度学习模型的构建提供可靠的约束条件与决策支撑。     

基于遥感的疏勒河流域生态景观变化分析

用卫星遥感技术解译疏勒河流域三时相主要生态景观环境状况,采用GIS技术分析30年来的生态景观的发展变化,用GPS技术对卫星遥感解译结果进行验证,进而阐明绿洲区主要生态环境问题及其产生的原因,最后提出绿洲区主要生态环境问题的防治对策。     

基于遥感监测分析准格尔旗水土流失动态变化

文章以遥感影像为主要信息源,通过野外抽样调查,建立了准格尔旗土地利用、植被覆盖度影像解译标志,进行实地验证校核,进而采用计算机辅助下的人工解译,对准格尔旗水土流失进行了动态监测。     

水库水体的最大类间方差迭代遥感提取方法

针对利用遥感影像结合经验阈值提取水体信息需要进行大量试验,难以客观地确定水体与非水体分割阈值的问题,在最大类间方差法的基础上提出了最大类间方差迭代法来优化提取水库水体信息。基于高分一号(GF-1)卫星影像数据,使用归一化差分水体指数(NDWI)法初步提取了水体信息,通过形态学膨胀算法建立缓冲区,采用多次迭代最大类间方差法计算自适应阈值,用于分割水体与非水体,从而实现水体最优提取。实例验证结果表明,提出的优化方法可以有效地消除建筑等非水体地物信息的干扰,较准确地提取水库水体信息在不同时期的特征,总体分类精度与Kappa系数较最大类间方差法提取结果分别提高了9.36%和24.09%,综合精度平均提高了10.42%。     

水稻种植面积遥感提取中田间作业路的消除方法

利用多时相遥感数据提取水稻种植面积是一种快速、高效的方法,但在高空间分辨率的遥感数据源中很难在一个作物物候期内获取多时相影像,高分一号卫星(GF-1/WFV)在16 m分辨率上实现了较高的时间分辨率,但由于存在混合像元,阈值分割尺度的设定会影响水稻面积提取精度。针对此类问题,混合像元分解模型可以有效排除异质地物的干扰。本文以GF-1/WFV遥感影像为数据源,选取银川平原水稻集中分布区破碎化程度不同且仅含有田间作业路和水稻的3个水稻样地作为实验区。首先,利用水稻分蘖期水体特征与孕穗期植被特征较为突出的特点,通过阈值法分类初步获取水稻的空间分布范围;然后在地表反射率遥感影像上选取田间作业路和水稻端元波谱曲线。结合线性混合像元分解模型,根据水稻丰度比例提取最终的种植面积。最后利用高空间分辨率的高分二号遥感影像对提取结果进行精度验证。结果表明,耦合两种方法提取水稻面积的面积精度为96. 33%,比阈值法提取水稻面积的精度提高了14. 63%,有效地排除了田间作业路对水稻面积提取精度的影响,为农作物种植面积信息的精确提取提供参考。     

基于简化PCNN的遥感影像河流信息提取

根据河流在遥感图像上的光谱特征以及脉冲耦合神经网络(PCNN)动态激活特性,提出一种基于简化PCNN的遥感影像提取河流信息方法。首先将遥感影像预处理,减小周围环境的影响,再利用简化PCNN和数学形态学对其进行边缘提取。结果表明:该方法对遥感影像提取河流信息比传统方法更为快速有效,并且在抗噪性方面有明显优势。     

基于Kirsch算子和多级阈值分割的河道轮廓识别和提取算法

针对高分辨率遥感图像，在复杂背景下河道轮廓智能化提取精度低的问题。提出了采用Kirsch算子和阈值分割相结合的方式，对灰度图进行预处理和预分割。再依据河流的形态特征，对图像进行形态学处理，去除大部分背景噪声。最终对主要区域进行二次阈值分割，实现了准确的河道轮廓识别和提取。通过识别不同地形条件下的河流样本，证明了该方法的适用性。利用客观的评价指标，验证了河流区域的识别精度超过了90%,远高于简单的阈值分割方法。这满足了高精度河道提取需求，为智能化快速提取河道信息提供了参考。     

基于高分辨率遥感影像的城市规划动态监测研究

城市规划动态监测是一个复杂、巨大、实时性强的系统工程。本研究利用试点区域高分辨率遥感影像,借助影像融合技术、影像解译技术和空间分析技术,成功实现了对城市规划实施中变化信息的提取,并结合规划管理规则等数字技术对城市建设进行了初步监督管理。     

Ⅱ类水体悬移质泥沙含量遥感反演综述

悬移质泥沙是水环境的重要参数之一,其含量的变化对流域生态环境有着多方面的影响。传统研究方法能够实现悬移质泥含量的精确分析,但存在布点有限、时效不足等问题,而遥感技术可弥补传统研究方法的不足,实现大面积水域的同步观测。基于悬移质泥沙含量遥感反演的4类模型:物理模型、半分析模型、经验模型、人工智能算法模型,总结了Ⅱ类水体悬移质泥沙含量遥感反演的研究进展,探讨了反演研究中存在的离水辐亮度提取难度大、混合像元不易分解等问题,并针对我国内陆山区河流,提出山区Ⅱ类水体悬移质泥沙含量遥感反演发展面临的关键问题。     

基于边界提取的混合像元分解

混合像元普遍存在于遥感图像中,对混合像元进行处理是遥感图像处理的难点.利用SUSAN算子进行边缘识别,提取图像边界;同时利用混合像元的线性分解模型首先对图像进行边缘提取,对非边界图像进行分类,再对边界进行混合像元分解.选取武汉市一部分影像对基于边界提取的混合像元分解进行了实验分析,结果显示,此方法具有定位混合像元简单,容易操作,结果可靠等特点.     

融合光谱和几何特征的高分辨率遥感变化检测研究

针对高分辨率遥感影像城市区域地类复杂的特点,提出了一种融合光谱和几何特征的多时相高分辨率遥感变化检测方法。在获取光谱和几何差异影像的基础上,采用模糊分类的方法,进行变化类和非变化类区分,建立各类的隶属度图像。采取基于模糊集理论的融合算法,对各种检测方法获取的隶属度图像进行有效融合,以减小部分区域的模糊度,提高变化类和非变化类的检测精度。采用城区多时相高分辨率影像为实验数据,进行各种变化检测方法的对比与分析,实验结果表明,融合光谱和几何特征的方法所获取的检测结果与光谱、几何差异影像法相比,具有检测精度高、漏检率低的特点。