一种基于Hough变换直线检测的城区影像SGM改进算法

在众多双目影像密集匹配算法中,半全局匹配(Semi-Global Matching, SGM)算法相比局部匹配算法和全局匹配算法在精度和效率方面具有较高优势。相较于一般影像,城市场景影像往往存在大量人造建筑物。针对城市区域立体影像的这一特点,本文提出一种基于Hough变换直线检测的城区影像SGM改进算法,将Hough变换获得的直线信息融入SGM的匹配框架,提高密集匹配算法的精确度和准确度。     

模糊Hough变换算法在城市道路提取中的应用

采用形态学细化算法,将二值化影像形态学细化之后再进行峰值检测,有效地去除了虚假峰值,提高了道路提取精度及计算效率,为此,利用用模糊Hough变换算法提取遥感影像中的城市道路。试验表明,其方法在计算效率、提取精度以及内存占用方面具有明显优势。     

改进的Hough变换在机场跑道检测中的应用

提出了一种改进的Hough变换方法用于机场跑道的检测。传统Hough变换存在计算量大等缺陷,本文利用直线边缘的梯度相位信息把Hough变换中θ的取值限定在一个较小的范围内,同时减少用于计算的像素点数,大大降低了计算量。通过实验证明了本文方法切实可行。     

一种直线特征遥感影像与GIS矢量数据匹配方法

针对飞行器的匹配制导,提出了一种基于直线特征的遥感影像与GIS矢量数据自动匹配方法.该方法首先利用遥感影像的概咯方位参数实现预处理后的GIS数据与遥感影像概略叠加;接着对GIS直线数据叠加所在的遥感影像区域开辟窗口进行边缘检测;然后利用Hough变换同步进行折线特征提取和特征匹配;在实现过程中采用了金字塔分层和新型投票方法以节省运算时间,最终实现影像特征与GIS数据的成功匹配.实验证明了该方法的有效性和稳健性.     

改进的动态广义Hough变换及其在圆检测中的应用

对动态广义Ｈｏｕｇｈ变换的特点简介后,着重介绍了对它的改进算法及其在圆识别中的应用。     

基于动态规划和Hough变换的遥感影像与GIS矢量数据匹配方法

由于遥感影像与GIS矢量数据性质不同,并且两者叠加后存在一定的平移、旋转和尺度变化等原因,准确建立两者之间的对应关系是一个难点.为此,提出一种多阶段、由粗到精的匹配方法.该方法在遥感影像特征自动提取的基础上,以局部匹配优选的待匹配结点和待匹配线段为前提,利用动态规划匹配方法,进行折线整体匹配;然后利用匹配的同名点,解算...     

基于自适应中值滤波和改进Hough变换的直线提取

直线是遥感图像的重要纹理特征,直线提取是直线匹配、遥感影像数据的三维重建、图像配准等的前提基础。本文针对传统Hough变换存在的问题以及MatLab软件工具箱中现有滤波算法的不足,提出对Hough变换进行改进,设计自适应中值滤波,并结合Canny边缘检测算子实现了直线的准确提取,使得直线提取算法具有较强的抗噪性能,不误检直线。     

结合边缘编组的Hough变换直线提取

针对传统Hough变换用于直线检测存在的问题进行了细致的分析和归纳总结,在此基础上,提出一种结合边缘编组的Hough变换直线提取算法。该算法首先采用基于8邻域的边缘跟踪算法对Canny算子检测得到的边缘点进行编组;然后对每一个边缘组分别进行Hough变换,单独确定Hough变换原点和参数的取值范围。Hough变换过程中,采用迭代的"投票"方式,每次确定单一峰值点并删除对应像素。实验证明,该算法原理简单,能有效解决传统Hough变换存在的精度不高、计算复杂等问题。同时该算法具有较强的鲁棒性,可以有效处理不同类型的影像数据,适用于并行处理。     

基于GPU并行计算的巨幅遥感影像坐标转换研究与实现

随着航空航天遥感技术的不断发展,以遥感影像为代表的栅格数据分辨率越来越高,遥感影像处理呈现出数据量大、复杂度高的特点。近年来,通用GPU的运算性能不断提高为加速密集运算提供了新的途径,目前,采用GPU并行技术进行遥感影像处理成为新的研究热点。本文提出了基于GPU并行计算的巨幅遥感影像坐标转换方法,实践证明,相比于传统的转换方法基于GPU的算法有较为明显的提速。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与金色图像的融合，提出了基于IHS变换和小波包变换的遥感图像融合新方法。该方法首先对多光谱图像作IHS变换得到3个分量：亮度I、色度H和饱和度S；其次利用小波包变换融合方法融合多光谱图像的亮度分量与金色图像，并用融合后的图像替代多光谱图像的亮度分量；最后作IHS反变换得到新的多光谱图像。实验分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法，在保留多光谱图像光谱信息的基础上，增强了融合图像的空间细节表现能力。     

基于无抽样小波的遥感影像薄云检测与去除

针对全色波段遥感影像提出了一种基于无抽样小波变换的薄云去除算法。对实际的卫星影像和航空影像所进行的试验结果表明,该方法是十分有效的。     

小波变换在遥感图像压缩中的应用

基于遥感数据的大信息量、大容量和越来越高的分辨率对图像的存储和传输提出的更高要求,有效的图像压缩就显的特别重要。在综合比较了各种压缩编码算法的基础上,结合遥感图像本身的特点和对小波变换性质的深入分析,选择了基于小波变换的遥图像压缩方法。     

基于预存储权值矩阵的多尺度Hough变换直线提取算法

针对Hough变换提取直线算法在速度、精度和影像大小三方面的局限,提出一种基于预存储权值矩阵的多尺度Hough变换算法。首先阐述对经典Hough变换的改进策略,对参数空间中ρ的分辨率和θ的分辨率的最佳取值也作了探讨,之后详细说明基于预存储权值矩阵的多尺度Hough变换直线提取算法。实验证明,本文提出的算法能显著提高实际影像处理的速度和直线提取的精度,特别是对比较大的影像具有计算量小、抗噪能力强等特点。     

基于概率统计模型的遥感影像变化检测

基于概率统计理论,提出了一种基于t检验的遥感影像自动变化检测方法,并实现了其与相关系数法的有效结合,运用于复杂城区环境下地物类型的自动变化检测。对于高空间分辨率影像,有效引入纹理特征,减少了房屋阴影的影响,对最终变化检测结果起到了明显的增强效果。实验采用不同类型的数据,详细叙述了变化目标的提取以及本文方法的特点,结果真实反映了实际地物的变化,表明该方法具有很好的实用价值。     

高分辨率遥感影像的深度学习变化检测方法

为提升高分辨率遥感影像的变化检测精度,提出一种利用深度学习的变化检测方法。在预处理的基础上,利用顾及邻域信息的改进变化矢量分析算法和灰度共生矩阵算法获取影像间光谱和纹理变化,并通过设置自适应采样区间提取最可能的变化和未变化区域样本。构建并训练包含标签层的高斯伯努利深度限制玻尔兹曼机模型,以提取变化和未变化区域深层特征,从而有效辨别变化区域。通过WorldView-3与Pléiades-1影像的试验表明本文方法在变化检测精度方面优于对比方法。     

基于PCAnet的高分辨率遥感影像场景分类

高分辨率遥感影像中的场景信息,对影像解译和现实世界的理解具有重要意义。传统的场景分类方法多利用中、低层人工特征,但是高分辨率遥感影像的信息丰富,场景构成复杂,需要高层次的特征来表达。本文提出一种基于PCAnet的高分影像场景分类算法,无监督地逐级提取深层特征。首先,利用显著性探测算法获取显著图,根据显著区域,采样具有代表性的影像块作为初始样本集;然后,将样本集输入到PCAnet中进行特征提取;最后,利用支持向量机(SVM)进行分类。高分影像场景数据UC Merced 21类实验表明,与已有方法相比,本文方法能够有效地提高分类精度。     

基于小波包变换距离特征选取的遥感影像融合

介绍了基于小波包变换和距离特征选取的影像融合方法：首先对多光谱影像做IHS变换;其次对多光谱影像的亮度分量和全色影像做小波包变换并分别采用加权平均法和距离特征选取法融合低频部分和高频部分;最后通过小波包重构和IHS逆变换得到最终的融合影像。以ERDAS8．5软件自带的影像文件为例对这种方法进行了实验,并利用信息熵等标准与其他融合方法进行了比较,实验结果表明该方法能得到更好的融合效果。     

基于ERDAS的遥感影像变化检测技术的研究

变化检测是遥感图像处理中经常使用的一门技术,随着遥感技术的发展,变化检测的应用越来越广泛。本文介绍了变化检测的定义、流程和应用,利用ERDAS软件进行遥感影像的变化检测实验,并对ERDAS变化检测的几种不同的方法进行比较分析,得出的结论是利用变化检测模块(Change Detection)进行检测的效果较好,最后将这种方法同监督分类技术一起应用于厦门市城市建设用地的变化检测中。