基于滑动窗口的影像中建筑物特征提取方法研究

针对多尺度分割算法在工程项目应用中使用成本高的问题,提出采用基于滑动窗口的影像对象获取方法.将主成分第一分量作为输入,通过灰度共生矩阵计算影像对象纹理特征,并与光谱均值特征构建面向对象的建筑物信息提取方法,将多尺度分割后的预测结果与滑动窗口分割后的预测结果进行对比实验验证.结果表明,滑动窗口提取结果的总体精度比多尺度分割提取结果的总体分类精度高出0.94％,Kappa系数高出0.0125,验证了滑动窗口预测结果的准确性与普适性.     

基于窗口傅立叶变换功率谱分析的盐田地区高分辨率遥感影像分割分类方法探讨

图像分割是面向对象图像分析的基础。目前常规的图像分割算法普遍基于光谱同质性假设,但是这种假设对于提取干旱地区盐田这种具有析出结晶盐与卤水两种高反差地物共存的空间对象而言显得不足为用。针对面向对象图像分析中只采用光谱和形状异质进行图像分割的不足,以吉兰泰盐田及周边地区2008年11月SPOT 5影像为例,首先采用窗口傅立叶变换功率谱方法提取影像纹理特征,然后进行基于纹理、光谱的多尺度分割,进而对分割后图像进行多层次分类来提取盐田信息。实验结果表明,该方法对盐田地区的信息提取有较好的效果。     

遥感图像多尺度分割算法与矢量化算法的集成

在遥感图像处理和分析软件中,图像分割/分类和矢量化是前后独立的过程:先分割/分类,再矢量化整幅图像。由于矢量化后得到的矢量文件未写入图像对象(区域、图斑)的特征信息,只能用于显示而不能用于后续操作。此外,处理复杂图像时还存在矢量文件多边形数目与分割/分类后图像区域数目不一致的问题。为此,将多尺度分割算法与矢量化算法进行一体化集成。对遥感图像进行多尺度分割得到图像对象链表,逐个对图像对象做矢量化处理,同时把特征统计信息写入多边形属性中。集成后不仅可保证矢量多边形数目与图像对象数目完全一致,而且由于特征统计信息已作为多边形区域的属性保存在多边形中,后续的多尺度分割、区域合并、空间关系操作等均可基于矢量多边形进行。     

基于小波与数学形态学的道路信息提取

提出了一种基于小波与数学形态学提取道路信息的方法。首先,利用小波多尺度分析对遥感图像进行分解,通过分析小波系数,对各个小波分量进行滤波处理,滤除非道路特征,再进行小波重构,然后对重构图像进行分割,得到包含道路信息的图像。最后应用数学形态学方法,选取合适的结构元素,对图像分割的结果进行形态变换,进一步滤除了非道路信息,完成道路信息提取。通过实验比较证明,该方法比一些典型边缘提取算法更有效、更适合于道路信息的提取。     

基于面向对象信息提取技术的城市用地分类

针对高分辨率遥感影像的城市用地分类,引入了面向对象的信息提取技术,并将其与传统基于像素光谱信息的分类方法进行了比较。在此基础上详述了面向对象信息提取的关键技术---多尺度影像分割和基于分割的分类技术。以城市作为研究区,实现城市用地的自动分类。图像处理过程包括几何校正、HIS融合、图像分割和图像分类。最终分类结果表明:视觉上,面向对象信息提取技术克服了传统方法无法克服的“椒盐”噪声的影响;精度上,面向对象信息提取技术的总体精度高达84.82%,比最大似然法的总体精度提高了10.95%,并且各类地物信息的提取精度均有所提高,其中草地、道路、建筑物阴影的精度较高。     

地物大小、对象尺度、影像分辨率的关系分析

遥感数据的分辨率越来越高, 给地物信息提取提出了新的挑战。利用基于像元的分类技术和基于多尺度分割的面向对象分类技术对高分辨率影像进行分类实验, 分析地物大小、对象尺度与影像分辨率的关系。实验结果表明不同地物由于其空间尺度不同, 与之相适宜的空间分辨率和对象尺度也不同, 在适宜分辨率的影像提取有较高的精度, 在适宜的对象尺度上提取对象信息有更高的精度。分析也表明面向对象的多尺度影像分类技术适应了不同地物有其相适宜的空间分辨率, 在适宜尺度影像层中提取地物, 其分类精度大大高于基于像元的分类方法。     

基于Mean-Shift的图像文本信息提取

图像和视频中包含着丰富的文本信息,提取和识别图像文本信息非常具有实际意义。传统的图像文本信息提取方法大多基于字符的代数和几何特征。作者从另一个角度出发,将彩色字符看成彩色图像的一部分,使类似字符的景物也可以被当作字符识别出来。提出一种基于Mean-Shift算法的图像文本信息提取方法,首先利用Mean-Shift算法对图像进行分割,然后对分割得到的文本区域进行投影分析从而将每个字符分割出来,最后将字符识别。     

结合边缘信息的多尺度MRF图像分割

针对采用多尺度马尔可夫随机场分割图像后还存在误分类的特点，提出了结合边缘信息进一步减少误分类，并设计了一种基于平稳小波变换、两个相邻尺度相乘的边缘提取算法。分析和实验结果表明，该边缘提取算法达到了既能提取出较完整、真实的边缘，又较好地抑制噪声，计算量少的要求。在分割算法中结合提取出的边缘信息，使图像在均匀区域中的误分类大大减少，得到了更好的分割结果，而增加的计算量只是由边缘提取带来的．该边缘提取算法和结合边缘的图像分割算法更适合于强的噪声图像。     

基于Mean-Shift的图像文本信息提取

图像和视频中包含着丰富的文本信息,提取和识另4图像文本信息非常具有实际意义。传统的图像文本信息提取方法大多基于字符的代数和几何特征。作者从另一个角度出发,将彩色字符看成彩色图像的一部分,使类似字符的景物也可以被当作字符识别出来。文中提出一种基于Mean-Shift算法的图像文本信息提取方法,首先利用Mean-Shift算法对图像进行分割,然后对分割得到的文本区域进行投影分析从而将每个字符分割出来,最后将字符识别。     

多尺度植被信息提取模型研究*

针对遥感影像中植被信息的波谱特征,提出了整体—局部植被信息多尺度迭代转换提取模型。首先在基于植被指数的基础上对影像进行分割,并通过样本的自动选择,对影像进行大尺度分类;然后对分类结果进行缓冲区分析,建立局部区域对象,再进行小尺度的局部分割与分类;最后通过迭代,重复整体—局部的过程,使得植被与非植被信息的边界得到最优化分离,从而提高了植被信息提取的精度。选取江汉平原地区的LANDSAT ETM＋影像进行实验,并与常规方法得到的结果进行了对比,实验证明,多尺度迭代提取方法可以有效地提高植被信息提取的精度。     

基于高空间分辨率与立体像对遥感数据的建筑物三维信息提取

准确获取建筑的三维分布信息对于城市规划与管理、灾害风险评估与防范以及灾后救助等都具有非常重要的意义。针对目前建筑物信息提取研究集中于二维平面信息提取,三维信息提取研究较少,且方法自动化程度较低,实用性和和推广性不足,提出了综合立体像对和高空间分辨率两种遥感数据进行建筑物三维信息提取的方法。首先,基于小波变换融合方法对GeoEye\|1高空间分辨率全色和多光谱影像进行融合,然后运用面向对象方法对融合后的高空间分辨率遥感影像进行建筑物基底轮廓提取,再利用IRS\|P5立体像对反演地物高度,最后通过数据整合获得研究区建筑物的三维空间分布。研究结果表明:该方法可以充分利用不同遥感数据的优势,获得较高的提取精度;研究所需数据容易获取,方法具有较好的可操作性和推广性。     

地物提取的多尺度特征遥感应用分析

通过空间尺度效应分析,阐述不同属性景观地物在同一分辨率或同一尺度影像中提取的不合理性。为获得精确的地表信息,提出多尺度遥感影像分析方法,解决不同地物在不同空间尺度影像数据中提取的难题。通过多种分辨率影像的多尺度影像信息提取的应用实践,分析地物提取中的多尺度特性、尺度与分辨率关系等。     

基于改进MRF的遥感影像建筑物精提取

随着遥感图像的快速发展与广泛应用,基于遥感影像的建筑物提取能够及时、准确地提取建筑物信息,在地图快速更新、城市管理等应用中具有重要的研究意义。目前经神经网络进行特征分析提取的建筑物灰度图存在图像模糊、错分建筑物等情况,并且需要经过二值化处理才能为后续工作所利用。为了提高分类精度,本文在神经网络初提取的基础上,首先采取大津法分割,形态学处理灰度图。并改进马尔可夫随机场方法,提出根据图像局部邻域特征动态估计先验参数β的新方法,且将原始图像特征引入马尔可夫随机场,对大津法分割的结果进行进一步的分割,并对建筑物边缘的锯齿边界进行修正,以提高分类精度。实验表明,所用方法能够有效减少神经网络提取出的灰度图中的错分建筑物。     

辅以波谱分析的高分辨率影像面向对象分类研究

随着遥感影像空间分辨率的提高,地物的空间信息更加丰富,地物尺寸、 形状以及相邻地物的关系得到更好的反映,因此目前高分辨率影像分类方法更侧重于利用地 物的空间信息,分类过程中参与较多的人为主观因素,在地物类型未知的地区很难进行解译 工作。另外,分割过于细碎导致操作数据量太大也是高分辨率影像分类的难题之一。论文提 出了辅以波普分析的高分辨率影像面向对象分类方法,即在传统面向对象分类方法的基础上 结合影像波谱分析,先对影像光谱角制图粗分类、掩膜操作,再面向对象精分类,较好解决 了以往面向对象分类方法地物类型的不确定性和分割细碎等问题。试验以空间分辨率为0.5 米的八波段WorldView2 影像为研究数据提取西部那曲地区道路和河流,精度达到96.36%。     

基于多尺度分割的遥感影像滨海湿地分类

基于多尺度的高分辨率遥感影像分类方法研究,可以为滨海湿地动态监测、规划保护提供更详尽的湿地分类信息和更快速的数据获取方法,对湿地保护具有重要意义。选取连云港青口河入海口处湿地为研究区,以高分辨率遥感影像WV\|Ⅱ和航空遥感影像为数据源,利用多尺度分割方法将影像分割成不同层次的实体对象;在不同层次,以实体对象为单元,结合光谱、形状、纹理等不同影像特征,进行滨海湿地分类研究,结果表明:利用该方法分类后,研究区各种湿地类型都达到较高精度。基于多尺度分割的影像分类方法能充分利用各种影像特征完成湿地分类,有效地减少了遥感影像中的“椒盐”现象,提高了分类精度;选择适宜的分割尺度和分割参数是基于多尺度分割的遥感影像分类方法提高精度的前提。     

深度残差神经网络高分辨率遥感图像建筑物分割

针对高分辨率遥感图像建筑物分割问题，提出一种Encoder-Decoder的深度学习框架，建立输入图像到分割结果之间的端对端的分割模型。其中Encoder以残差网络为基础，自动提取建筑物的特征；Decoder采用反卷积实现对特征图的上采样，从而完成对建筑物的分割；同时引入批量规范化处理，降低了神经网络权重训练过程中的梯度竞争，从而减小了神经网络的训练难度。实验表明:提出的建筑物分割算法能有效提取建筑物的块状特征和边缘信息，降低复杂道路等干扰的影响，提升建筑物的分割精准度，算法对邻近复杂道路的建筑物、规律性建筑物、单体复杂建筑物等3种典型建筑物的分割精度分别为：0.837、0.892和0.630；F值分别为：0.851、0.879和0.730。同时，多分辨率条件下的分割实验结果表明，该算法对于一定范围内的多分辨率遥感图像具有较好的泛化能力。     

深度残差神经网络高分辨率遥感图像建筑物分割

针对高分辨率遥感图像建筑物分割问题,提出一种Encoder-Decoder的深度学习框架,建立输入图像到分割结果之间的端对端的分割模型。其中Encoder以残差网络为基础,自动提取建筑物的特征;Decoder采用反卷积实现对特征图的上采样,从而完成对建筑物的分割;同时引入批量规范化处理,降低了神经网络权重训练过程中的梯度竞争,从而减小了神经网络的训练难度。实验表明:提出的建筑物分割算法能有效提取建筑物的块状特征和边缘信息,降低复杂道路等干扰的影响,提升建筑物的分割精准度,算法对邻近复杂道路的建筑物、规律性建筑物、单体复杂建筑物等3种典型建筑物的分割精度分别为：0.837、0.892和0.630;F值分别为：0.851、0.879和0.730。同时,多分辨率条件下的分割实验结果表明,该算法对于一定范围内的多分辨率遥感图像具有较好的泛化能力。     

城市航空影像中建筑群的FCM聚类分割方法

在低分辨率城市航空影像中建筑群由于阴影的存在造成其灰度呈现明暗变化，采用基于像素级的分割方法以及阈值分割方法均不能得到好的结果。为了充分利用这种明暗变化的信息，讨论了一种以图像子块灰度的标准差和直方图的墒作为特征矢量，采用基于模糊C-均值(FCM)的分块聚类方法用于建筑群的粗略分割，由于分块有重叠，造成边界块的归属不明确，因此根据包含边界块的子块的隶属度来确定边界块的归属，从而得到了正确的边界区域，并利用区域生长和闭合运算对边界进行细化。对实际图像进行实验结果表明，该方法是有效的。     

基于各向异性Markov随机场的遥感影像亚像元尺度建筑物提取

基于遥感影像的建筑物自动提取方法容易受混合像元影响,目标提取精度不高。亚像元定位可以提取亚像元尺度地物分布信息,减轻混合像元对目标提取结果造成的影响。传统亚像元定位模型采用各向同性邻域描述地物的空间相关性,并没有考虑地物特有的形状信息,难以满足建筑物提取的需要。在考虑建筑物光谱特征的基础上,建立了平行与垂直于目标建筑物主方向的各向异性邻域,并采用基于各向异性Markov随机场的亚像元定位模型进行了亚像元尺度的建筑物提取。基于QuickBird多光谱数据与AVIRIS高光谱数据的实验结果表明,该模型提取的建筑物不仅具有更高的空间分辨率,而且能够较好地保持建筑物边缘与角点的形状信息,是一种有效的亚像元尺度建筑物提取方法。