基于阈值分割与数学形态学的高分辨率遥感影像道路信息提取

从高分辨率遥感影像中快速,有效的提取道路信息,一直是遥感学界研究的热点和难点问题。本文研究了一种基于阈值分割与数学形态学的高分辨率遥感影像道路提取算法,该算法不需人工给出道路种子点,方向等信息,在某种意义上提高了道路提取的自动化程度。提取过程是:首先利用阈值分割将遥感影像分割成包含道路信息的二值图像,然后利用数学形态学运算对二值图像进行处理,根据道路形态特征提取出道路区域。     

基于灰度迭代阈值的高分辨率影像分割研究

图像分割技术为遥感图像解译和分类的一种重要方法,目前主要应用在中分辨率影像中,由于高分辨率影像的信噪比低,直接进行图像分割,效果不佳．对2010年3月湖北省襄阳市高分辨率的快鸟影像,进行降噪处理及改进阈值策略来改善灰度迭代阈值法的图像分割效果．首先运用数学形态学的闭运算对影像进行降噪处理,然后采用灰度迭代阈值法和最大类问方差法的图像分割对影像进行分割对比研究．结果表明,灰度迭代阈值法在时间效率及影像分割效果方面优于最大类间方差法．     

一种基于Hop-Along的遥感图像道路提取算法

基于数值形态学的道路提取是遥感图像处理的常见问题,通常结构元素的选取复杂多变,降低了算法的自动化程度.文章结合数值形态学和Hop-Along算法,对影像进行预处理、阈值分割,得到包含道路信息的二值影像;使用数值形态学的腐蚀运算及形态重建,得到主要道路网络;使用局部Hop-Along算法进行多线拟合,得到单像素的道路中心线.通过对高分辨率遥感图像的Matlab实验证明,算法大幅降低了选取结构元素的次数,提高了自动化程度,且保持了数值形态学的几何学特性.     

考虑云干扰的高分一号卫星影像镶嵌——以河南省高分一号影像为例

针对高分一号卫星影像含云量高、数据量大的特点，提出一种顾及云层的影像自动镶嵌方法.首先使用Otsu分割和形态学处理对待镶嵌影像进行快速云检测，获取影像含云量及云区，然后对影像的无云区域进行Wallis匀色处理，并在影像镶嵌时，使接缝线自动绕开云层，尽可能地综合待镶嵌影像的无云区域，最终得到含云量低、内部色彩一致性好的镶嵌影像.以河南省影像为实验数据，结果表明，本文方法镶嵌效果更好，且运算效率更高，可满足海量数据自动化生产的需要，有助于发挥高分一号影像的价值，为河南省农情检测及灾害分析等工作提供帮助.     

基于面向对象的热带林分类方法研究

【目的】为了加强热带林资源的保护,采用遥感技术对热带林植被进行分类研究。【方法】基于SPOT6高分辨率遥感影像,采用ESP多尺度分割评价模型与专家知识结合的方法确定最优分割尺度参数,在分割的基础上充分挖掘目标地物的光谱、形状及纹理信息,合理选择分类特征组合,建立分类规则,构建了一套基于面向对象的热带林多尺度分类方法。【结果】与单一尺度的分类方法相比,该方法分类精度有明显提高,分类总体精度达到84.46%,并且缩短了传统目视确定最优分割参数的时间,提高了分割效率和精度。【结论】基于面向对象的多尺度分类方法能够实现高精度的热带林植被信息提取,可为遥感分类技术在热带林的应用提供参考。     

采用独立阈值的遥感影像变化检测方法

针对在多时相遥感影像变化检测中常规阈值确定方法无法获取小比例变化量区域准确变化阈值,并导致变化检测失败的问题,提出了采用独立阈值的遥感影像变化检测方法。通过多时相遥感影像多尺度分割获取像斑,采用变化向量分析法计算像斑差异度;从像斑差异度中自适应选择满足期望最大化算法和贝叶斯最小误差率理论获取准确阈值条件的训练样本;将训练样本导入独立阈值法确定变化阈值,利用变化阈值对像斑差异度进行二值分割获得影像变化的检测结果。实验结果表明,采用独立阈值的遥感影像变化检测方法能够获得更准确的变化阈值,在城郊变化检测中平均漏检率较全局阈值法和局部阈值法降低了9.6%和17.24%,在城区变化检测中平均正确率较全局阈值法和局部阈值法提高了51.27%和35.42%。     

基于顶帽变换和Otsu的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法;然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,本文提出的方法可以实现快速、准确地分割。     

基于二次迭代Cr分量的改进Otsu自适应阴影检测算法

城市航空遥感影像中的阴影会造成影像信息丢失和信息干扰,现有阴影检测方法存在误检率高、精度低等问题。提出一种二次迭代Cr分量与改进的Otsu自适应阈值相结合的高分辨率城市航空影像阴影检测算法。将影像两次转换到YCb Cr空间,对其Cr通道直方图进行改进的Otsu自适应阈值选择,确定阴影区域。与二次迭代HSV空间检测方法进行对比实验,所提方法解决了前者的H分量损失和原始Otsu阈值算法选取不准确的问题,在准确率和精度方面具有明显优势。     

基于顶帽变换和最大类间方差法的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法。然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,提出的方法可以实现快速、准确地分割。     

基于高分辨率卫星影像的CV模型单木定位法

【目的】基于遥感影像自动获取单木位置信息,进而建立单木数据库,实施单木集约化管理,以实现精准林业特别是对城市树木的集约管理。【方法】针对传统方法在树冠重叠区域易出现误判和漏判问题,提出基于CV模型的单木定位技术。首先结合树冠形态学特征自动提取初始轮廓;其次基于CV模型对初始轮廓线进行迭代,进而获取单木树冠轮廓;最终提取单木位置信息。为了检验该单木定位方法的效果,选择了7张不同类型(针叶林、阔叶林、经济林等林分和非林分)的高分辨率卫星影像,进行基于CV模型的单木定位方法与传统单木定位方法的对比分析。【结果】基于高分辨率卫星影像的CV模型单木定位法可基于图像全局信息,利用曲线内外的灰度均值而不是梯度信息进行分割,能够在边界模糊或梯度无意义的图像中取得较好的分割效果,快速准确地收敛到目标位置。与梯度分水岭法、标记分水岭法及局部最大值法等传统方法相比, CV模型单木定位法具有更高的匹配率,平均匹配率提高近23%。【结论】该单木定位法可以更好地处理树冠的连接、重叠状况,具有更好的定位效果,表现出良好的应用潜力。     

基于一维Otsu的多阈值医学图像分割算法

针对传统医学图像分割算法时间复杂度高、 分割精度低等问题, 提出一种基于一维Otsu的自动多阈值分割算法. 考虑到医学图像信息的复杂性, 引入基于梯度、 灰度、 距离的综合信息直方图替代传统的灰度直方图, 并分别赋予这3个信息相应的权值. 采用kd-树作为框架快速自动确定阈值个数, 进而实现Otsu对医学图像的自动多阈值分割. 与最大熵、 基于粒子群优化的Otsu算法等进行对比实验的结果表明, 该算法的分割性能优于其他算法.     

汶川地震前上空的地震云分析及自动检测研究

地震对于人类的生产生活有着巨大影响,如何准确地预测地震意义重大。本文利用FY-2D卫星云图序列图像研究了汶川地震前震区上空的地震云,在此基础上采用更高分辨率的MODIS数据进行地震云的检测研究,分别利用高斯马尔可夫场和高斯混合模型来实现云图的纹理分割和地震云异常检测。实验结果表明,此方法可有效检测出震区上空的地震云。     

基于Graph Cut算法的多株立木轮廓提取方法

【目的】在复杂的自然环境下进行目标立木轮廓提取时,容易受遮挡物影响,导致立木图像分割效果不理想。笔者提出一种基于Graph Cut算法的多株立木轮廓提取方法,可实现单张相片中多目标立木界线分割。【方法】首先通过彩色直方图均衡化实现RGB颜色空间下各个通道的图像细节增强,利用Graph Cut算法构造s-t网络图,将图像分割问题转化为能量函数最小化问题,并标记图像前背景像素实现单张相片中多株立木图像初分割; 然后将单张相片中的每株立木分割图像二值化,利用形态学腐蚀膨胀运算处理图像达到填充、去噪、平滑等目的; 在此基础上,利用改进型Canny算子边缘检测方法,用双边滤波代替高斯滤波增强边界信息得到每株立木轮廓; 最后,根据立木相对坐标不变性,利用几何重组方法实现目标立木特征表达并判断其拓扑关系,最终得到每株目标立木轮廓提取结果。【结果】为了验证该方法的有效性,本研究对自然环境下采集到的立木图像进行试验。结果表明,该方法能够在不同光照条件的复杂背景下,有效分割出每株立木轮廓,平均误分率为5.62%,假阳性率为4.49%,假阴性率为4.33%,均优于常用的OTSU分割算法(41.40%、26.73%、10.99%)、K-means聚类算法(49.97%、35.02%、11.92%)和基于C-V模型水平集法(28.43%、20.53%、13.38%)。【结论】复杂的自然环境下,利用基于人工交互的Graph Cut算法可有效分割出每株立木轮廓界,研究结果可为立木可视化重建、特征提取等提供参考。     

利用脊线检测实现视网膜图像血管中心线的精确提取

提出一种精确有效的基于脊线检测的视网膜图像血管中心线提取算法,该算法首先对原始图像进行脊线检测得到候选视网膜图像血管中心线,然后对原始图像进行照度均衡和多尺度形态学增强处理,最后对各个尺度增强图像在视场ROI区域内进行Otsu双阈值分割或单阈值分割,并将各个尺度的分割结果求和再与脊线检测结果算术相与得到最终的血管中心线。通过对25张荧光造影视网膜图像以及部分彩色视网膜图像进行测试和分析,该算法不但能够检测出低对比度血管和微小血管的中心线,而且提取的血管中心线整体连续性好。将文中算法的结果与血管手动分割血管的细化结果进行比对分析,中心线吻合率平均达到83.5%,且算法性能优于Hoover算法以及保守专家手动检测结果。     

深度卷积神经网络的遥感植被检测方法

【目的】植被检测是城市生态研究的重要手段,然而由于遥感图像中植被存在阴影区域、遮挡区域以及色彩上的畸变等,导致当前的植被检测精度较低。基于遥感卫星影像,采用深度学习技术快速有效地检测出城市中的植被区域,为植被资源统计等相关研究提供依据。【方法】选用深度卷积神经网络模型,对高分辨率遥感影像中的植被区域进行检测。对不同的优化器,通过设置不同的卷积核大小,对精度进行对比分析。最后对网络层数进行研究,对设置合适网络层数进行分析,用构造的深度卷积神经网络在实验数据上进行植被区域检测。【结果】利用卷积神经网络处理二维图像时,无需手动提取特征,进行简单少量的预处理后,直接把图像输入到CNN模型中进行训练,即可实现图片的识别分类功能。降低了预处理的难度,同时局部感知和权值共享大幅度地减少了参数量,加快了计算速度。次抽样还能保证图像处理后的平移、旋转、缩放和拉伸的不变性。解决了传统方法计算量和样本量大、结构复杂以及费时的缺点。在采集到的高分辨率紫金山区域的遥感图像中,通过设计的多层卷积神经网络模型对区域中的植被资源进行分析,对比和研究不同的优化器、卷积核和网络层数,植被检测精度达到95.4%,明显高于当前众多植被检测算法。【结论】在深度学习中,目标检测的精度依赖于网络的结构设置,通过对优化器、卷积核以及网络层数进行设定,可以明显提高目标检测效率和精度。     

基于Davinci-DM6467的高斯混合模型算法的实现

针对智能监控中运动目标检测的问题,提出了基于Davinci-DM6467的高斯混合模型像素级的背景分割策略。对彩色图像建立高斯混合模型,根据场景中象素点的稳定性来调整模型参数的更新速率;通过和马氏阈值进行对比来判断是不是要更新背景模型;通过和背景阈值进行对比来判断哪几个模型是属于背景区域。经验证性实验测试,结果表明,高斯混合模型在运动检测中实时性好,对环境有较强的鲁棒性。     

基于地面激光点云数据的单木三维重建方法

目的 使用地面三维点云数据,提出一种单株树木三维网格模型重建方法,为精准获取测树因子提供技术支撑。 方法 对获取的点云进行预处理,使用k-d树构建近邻关系图,用Dijkstra算法求算出子图的根。检测出有效路径后,使用探测半径计算关键路径。计算树枝骨架,然后对初始骨架进行Bezier曲线半径平滑,得到平滑的骨架,再将骨架连接,使用半径平滑和圆柱拟合减少点云密度小造成的拟合不足的情况,能够最大限度保留树枝的细节。结果 使用3株落叶松点云数据构建了树枝树干表面网格模型,重建了树木三维结构。将树干、树枝的三维网格模型与点云匹配后,效果较好;所构建的模型能够进行细小枝条的重建,而不是模拟细枝,通过观察重建结果,一级枝的重建效果非常好,大的二级枝也能得到很好的展示;整套算法计算快速,计算时间与枝条的复杂程度、连接关系有关。结论 基于关键路径探测的方法能够很好地构建树木的三维网格模型,可以用于单株树木测树因子的精确提取。     

二维Otsu拟合线阈值图像分割方法

针对已有二维Otsu线阈值法分割方法存在的因误分类而导致的分割质量下降、抗噪性能不足的问题.结合二维Ot-su折线阈值算法和曲线拟合方法,提出了二维Otsu拟合线阈值图像分割方法.本文方法是在二维Otsu折线阈值法基础上进行改进.先对二维直方图中边界信息或噪声所属区域的像素点迭代分割,并设定迭代停止条件,以获得多个阈值点,然后引入曲线拟合的方法,将多个阈值点拟合成线阈值,最后以此线阈值作为分割标准实现分割.实验结果表明:利用本文方法对边缘丰富的图像分割具有较好的分割效果,抗噪能力和自适应能力更强,普适性更高.