基于NSCT与形状特征的遥感影像道路提取

提出一种基于非抽样Contourlet变换（NSCT）与形状特征的遥感影像道路提取算法.首先对图像进行非抽样Contourlet变换,得到不同尺度、不同方向上的变换系数,对变换系数进行增强处理并通过反变换得到增强图像;然后对增强图像进行分割处理,利用道路形状特征对分割结果进行道路提取;最后利用光谱特征对提取的道路进行判断,并利用形态学方法对道路网进行规整.对比实验结果表明：该算法取得了较好的高分辨率遥感影像道路提取效果.     

高分辨率影像道路提取的整体矩形匹配方法

提出了一种整体矩形匹配方法,对高分辨率遥感影像中的城市直线道路进行提取.方法基于影像特征、道路知识和数学形态学的击中击不中思想,通过改变影像分割阈值、矩形宽度和矩形方向,从矩形的内部和外部进行整体匹配,使得矩形满足最佳匹配原则,从而提取出道路.利用提出的方法对高分辨率卫星影像进行了实验.结果表明:该方法能较好地消除树木、汽车等对道路提取的影响,有效地提取出直线道路的边缘.     

高分辨率遥感影像线性基元的提取

叙述了线性地物特征基元的概念,总结了特征基元的高分辨率遥感影像多尺度信息提取技术流程框架,即在大尺度下的粗分割后进行线性基元提取的技术流程过程。     

基于面向对象的高分辨率遥感影像道路信息提取方法

采用一种基于面向对象的道路提取方法,阐述了影像理解、影像分割、对象层次结构等几个关键思想,提出如何解决传统高分辨率影像提取道路方法,如边缘检测、滤波等存在的不足,并对高分辨率遥感影像提取道路的实用性进行思考,为下一步具体应用指明方向。     

基于最优尺度模型的建筑物信息提取

建筑物信息在数字城市建设过程中具有十分重要的意义和作用,从高分辨率遥感影像中提取建筑物信息已成为研究热点之一.本文结合当前现有的理论与方法,提出最优尺度的面向对象的方法对建筑物信息进行提取.首先采用多尺度分割算法对影像进行分割,然后采用最优尺度计算模型选取最优分割尺度,在分割的基础上构建建筑物提取知识库,最后采用最近邻...     

一种面向对象的遥感影像多尺度分割方法

高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下进行,而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺陷.基于区域的面向对象影像分析方法,为高分辨率遥感影像信息提取提供了新的思路,其关键的核心问题在于实现对高分辨率遥感影像的多尺度分割.本文提出了一种基于相邻影像区域合并异质性最小的面向对象多尺度分割算法.影像分割试验结果表明:该方法可以根据任意特定尺度下的影像分析任务或任意感兴趣尺度的地物目标,调整影像分割的尺度参数,从而获得特定尺度下感兴趣的影像区域(对象)作为后续面向对象影像分析和应用的基础.     

基于结点扩展的高分辨率遥感影像道路提取

基于整体矩形匹配方法、结点扩展方法、道路连续匹配终止准则等,提出了一种较完善的从高分辨率遥感影像上提取直线道路方法.利用最佳匹配矩形扩展结点进行道路的连续提取,建立道路连续匹配终止准则结束对当前道路的连续提取.该方法具有较高的自动化程度,能够快速准确地提取出影像上主要道路,较好地表示道路的边缘、宽度和方向.同时,在道路提取过程中将自动跟踪和少量人工处理有机地结合起来,使得方法具有实用性.     

基于自适应标注样本的高分辨率影像道路提取

针对现有道路提取算法中难以大规模人工标注样本类别标签的问题,提出了一种基于自适应标注样本提取遥感影像道路的方法。首先通过改进的模糊C均值聚类算法提取道路区域,进行初步的样本标注;然后利用基于二次投票的集成去噪算法定位标签噪声样本,更新样本数据集;然后将更新后的样本集投入随机森林训练并预测影像的分类结果;最后对道路提取结果进行多方向形态学滤波去除非道路区域,得到精确的道路提取结果。通过不同分辨率、不同场景、不同方法的实验结果表明,本文方法可以自主选择并标注样本,相比传统算法具有较高的提取精度,对于高分辨率遥感影像中直线型、曲线型道路均有较好的道路提取效果。     

基于ICA算法和尺度优化的无人机影像树冠提取方法

针对高分辨率遥感影像进行树冠提取时所遇到的由各类地物之间的相关性和复杂性带来的地物提取难点,将独立分量分析算法和尺度优化法结合进行树冠提取研究.首先,通过独立分量分析算法优化高分辨率遥感影像,去除地物波谱信息之间的相关性,并将ICA变换得到的特征值作为波段加权的权重;再通过改进的最优尺度计算模型选择最优的分割尺度;最后通过对树冠提取的平均精度评价该改进的计算模型.将本研究方法与单纯尺度优化法实验对比分析,结果表明:本文方法有利于降低"同谱异物"和"同物异谱"以及树冠连冠现象,提高树冠信息提取的精度,并可有效避免人为确定分割尺度的主观性和低效性.     

高空间分辨率遥感影像小波域分形纹理特征提取

融合小波多尺度分析方法及分形纹理提取方法在遥感影像信息提取方面的优势,提出高分辨率遥感影像小波域分形纹理特征计算方法,以获取地物多尺度分形纹理属性,为遥感影像地类识别提供更好的标识.首先对遥感影像进行小波多尺度分解,进而基于DBC、多重分形纹理计算方法在各个分解层上提取地物纹理特征,通过比较分析,从中选取更为有效的小波域分形纹理特征.基于该方法,利用福州市高空间分辨率QuickBird遥感影像进行试验,并对QuickBird影像进行三级小波分解及纹理提取,结果表明:小波第一、第二分解层粗影像(CA1、CA2)及三方向平均细节影像(L1、L2)的DBC空隙特征及多重分形分维数结果作为最终甄选的小波域分形纹理特征更为合适.