TM遥感图像中居民点的自动提取

介绍了一种TM遥感图像中居民点目标自动提取的方法.针对TM遥感图像的光谱特征,提出一种基于多波段信息的图像分割模型,提取出居民点、道路及河滩地等光谱相近的地物.然后依据居民点的形态特征分离道路,并利用空间关系知识分离出河滩地.试验结果表明该方法能快速准确地识别提取TM遥感图像中的大部分居民点.     

一种基于DTSVM的遥感图像分割方法

文章针对城市遥感图像的目标分布特点,提出一种基于改进DTSVM的遥感图像分割方法.实验引人样本的聚类特性改善DTSVM模型分类精度,对城市遥感图像中的区域进行语义标注并提取特征,通过训练改进分类模型得到分割结果.实验结果表明,该方法能比较准确地分割出关注语义的目标区域,并有效避免了遥感图像的过分割问题.     

基于线形特征谱线的遥感目标图像旋转和缩放配准

提出了一种基于图像的线形特征谱线的遥感目标图像旋转和缩放参数配准方法.实验表明,与采用基于Fourier-Mellin变换的图像配准方法相比,该方法能够显著地提高遥感目标图像的旋转和缩放参数配准精度.     

基于小波变换的遥感图像快速拼接方法

基于图像小波变换与低频区域特征匹配的拼接方法,实现无人机序列遥感图像的快速动态拼接.根据无人机遥感图像成像的内、外方位元素,采用直角空间变换及二次线性插补方法,实现了遥感图像校正.小波变换提取低频图像,在此图像区域中搜索和提取特征模板,然后利用序贯相似性检测法进行匹配计算.根据匹配结果,实现两幅图像的拼接.仿真实验结果表明,所提出的拼接方法具有较好的实时性和拼接精度.     

基于可见光遥感图像的船只目标检测识别方法

 基于光学遥感图像提取船只目标是海洋信息感知中的重要应用方向,主要任务包括在广域大视场图像中快速检测定位船只目标,并在检测船只目标的基础上对目标信息进行进一步的提取与分类,该研究无论在民用及军事方面都具有重要意义。本文围绕船只检测识别方法中预处理及目标检测、分类等主要环节,阐述了各环节面临的难点问题及主要解决方法,指出了目前存在的问题,展望了基于光学遥感图像技术的发展趋势。     

一种改进的遥感图像配准方法

在分析当前主要的图像配准方法的基础上, 提出一种改进的基于点特征的遥感图像配准方法: 首先对参考图像进行分块, 每块提取一定数量的特征点, 以确保各块图像特征点分布均匀; 根据已知的同名点对, 拟合变换方程, 将待配准点代入变换方程得到粗匹配点坐标, 再以粗匹配点为中心在一个较小的范围内搜索, 根据相似性测进行精配准, 确定正确的同名点位置, 在此基础上实现整体遥感图像配准。为了验证该方法的有效性, 针对变大和传感器位移较大的光学遥感图像设计了仿真实验。实验结果表明, 改进方法能很好地解决光学遥感图像之间的配准问题, 降低特征点提取和同名点匹配的时间复杂度。     

基于小波变换和支持向量机的遥感图像目标识别方法

提出了将小波变换结合灰度共生矩阵法,以用于提取目标样本图像特征信息.建立了基于支持向量机方法的分类器,以对高分辨率遥感图像进行目标识别.实验结果表明:该方法快速、高效且具备一定的鲁棒性.     

基于目标对象的遥感图像检索

针对有目标对象的遥感图像的特点,将图像分割成目标区域和背景区域,并在检索过程中赋予不同的权重,着重考虑目标对象的颜色、形状及空间信息特征,这样就可以避免当目标对象占整幅图像比重较小时,其特征信息容易被淹没在背景当中而造成的“伪误检”.实验结果表明,当图像中目标对象所占比重较小时,该方法与颜色直方图相比,能够更准确地查找出用户所需内容的图像.     

基于改进RFBNet算法的遥感图像目标检测

针对遥感图像中的小目标存在信息少、易受背景干扰、特征表达较弱等缺陷, 导致目前通用目标检测算法在对这类小目标进行检测时效果不理想的问题, 为提高对遥感图像中小目标的检测能力, 提出一种基于RFBNet的改进算法. 该算法以RFBNet为框架, 首先利用自校正卷积取代特征提取网络中的常规卷积, 以扩展感受野丰富输出, 进而强化对弱特征的提取能力; 然后设计多尺度特征融合模块, 丰富浅层特征图的抽象信息; 最后设计稠密预测模块, 提前在较浅层整合上下文信息, 使最后阶段的每层输出都含有丰富且联系紧密的多尺度特征信息. 将该算法在数据集UCAS_AOD和NWPU VHR-10上进行实验, 平均检测精度分别达83.4%和94.8%. 实验结果表明, 该算法有效提高了遥感图像中目标检测的精度, 且针对遥感图像中的小尺度目标检测问题改善明显.     

基于JPEG2000压缩域的油库检测

油库检测是遥感图像目标检测领域的一个研究热点. 针对目前遥感图像通常以JPEG2000压缩格式储存的现状,提出基于JPEG2000的光学遥感图像油库检测算法. 在不经过全部解压的数据中,直接提取小波系数进行目标的检测. 根据小波系数的不同特性,针对低频子带,采用Hough变换提取油库的圆形形状特征;针对高频子带,利用堆叠降噪自编码器进行特征提取和描述. 最后利用支持向量机进行特征融合和目标检测. 实验结果表明,本算法能够准确快速地检测遥感图像中的油库目标,具有较高的检测率和较快的处理速度.      

秦皇岛市观光农业资源的SWOT分析及发展对策

对秦皇岛市观光农业资源的发展现状及类型进行了SWOT分析,认为秦皇岛市观光农业的发展现状及类型可分为4类:观光式现代农业种植园,观光式畜牧养殖及海洋动物园,观光式休闲采摘园,观光式水库和森林公园。为此,秦皇岛市政府部门应加强园地规划,调节总量平衡,观光农业企业应根据自身优势准确进行市场地位,深化项目开发和增强竞争优势,观光农业产业应加强生态环境维护,提高自身管理和服务水平,观光农业旅游企业应走多元化经营,其他产业反哺观光旅游业的发展之路。     

基于HMM的杨树变异体叶片特征参数数据挖掘

本文依据数据挖掘的基本原理,经叶形图像预处理、叶脉特征参数提取等过程,建立杨树叶脉结构特征数据仓库。最后通过改进的HMM(隐马尔可夫模型)对数据仓库建模,挖掘出与某一品种杨树自身特性有极大相关性的特征参数,为杨树苗木物理诱变育种中突变个体的自动化检测提供了研究基础。     

K均值聚类算法在海上目标识别中的应用

针对传统图像分割方法存在的弊端,本文采用K均值聚类方法对海上复杂背景下的目标识别进行研究。实验结果表明,采用该方法能够有效地进行复杂背景下海上目标的提取,并且保留目标的细节信息。     

利用双边滤波器和DoG算子的人像卡通化新算法

利用双边滤波器在平滑图像的同时又能保持边缘的良好特性,结合DoG(高斯差分)算子,提出人像卡通化的新算法.该算法首先应用双边滤波器对原始的彩色图像进行平滑,在获得颜色主要特征的同时,去除一些不重要的细节信息,简化了低对比度区域;然后,融入用DoG算子检测到的边缘曲线来增强高对比度区域;最后进行软量化以获得卡通图像.实验结果表明:相对经典的图像抽象化方法而言,该算法获得了更好的图像卡通化效果和更快的速度.     

基于边缘切向流与颜色量化的图像抽象化

图像抽象化绘制旨在以模糊、抽象的艺术手法展现图像。提出了基于边缘切向流与颜色量化的图像抽象化绘制方法,首先,在RGB(Red,green,blue)颜色空间提取各颜色通道的梯度,并对其进行融合,对融合后的梯度图像求边缘切向流,并使用高斯差分滤波(flow-based difference-of-gaussians,FDOG)方法提取图像的特征线条;然后,对原始图像用非线性方法进行平滑处理,并在(hue-saturation-intensity, HSI)颜色空间进行量化;最后,将量化图像和特征线条图像进行融合,得到原图像的抽象化图像。实验证明该方法增强了图像轮廓的主要特征并忽略了局部细节,突出了图像的层次感,使图像简洁清晰,抽象化效果显著。     

Envisat ASAR在水稻识别中的应用

合成孔径雷达(SAR)具有全天时全天候工作的能力,是南方多云地区水稻识别监测的有利手段.该文利用目前世界上最先进的EnvisatASAR数据,在长乐市进行水稻提取.在常规预处理的基础上对多时相数据进行自动配准和主成分变换,并采用面向对象法进行水稻的提取,精度为89.1%.结果表明:利用多时相双极化ASAR数据进行水稻信息的提取在南方多云地区具有一定实用意义.     

在印鉴识别中的配准方法

提出了在中文印鉴识别中两幅印鉴图象的配准方法．它包括对印鉴图象的预处理，该方法在保留图象边缘的同时对图象进行了平滑处理，利用聚类算法提取标准和待识别印鉴的特征点集，依据最小均方差变换实现两个点模式的匹配．通过实验获得了两幅印鉴图象的高精度配准结果．     

半色调图像质量评价研究

合理的数字半色调图像质量评价指标是图像再现技术评价的关键．针对数字半色调方法实现过程的不同，对数字半色调图像的质量在主观、客观和时间复杂性方面分别进行分析．结果表明，采用基于上下文相关的填充曲线半色调方法得到的再现图像主观质量最好，整体统计特性仅次于采用标准误差扩散得到的图像，再现图像的边缘平滑性最好，但是其程序运行时间较长；Bayer抖动和标准误差扩散方法得到的再现图像质量的主客观效果最差，其运行时间较短．     

燃煤电站锅炉火嘴火焰图像分割研究

通过对电站锅炉火嘴火焰图像的分析,提出了使用图像绿光通道亮度值来代替图像灰度值进行阈值分割,能有效地减少背景辐射对火焰图像的影响。提出了采用改进的极坐标法对火焰图像阈值分割之后的火焰核心区域边界进行标定,既保证了火焰核心区域的有效提取,又保证了分割后的火焰核心区域图像的完整性,为火焰的监控与诊断研究提供了可靠的特征区。     

Wind vector retrieval using dual polarization imagery of ASAR

A new algorithm for retrieving wind vector using dual polarization imagery of advanced synthetic aperture radar (ASAR) is developed and tested. Based on the combination of co-polarization and cross-polarization, this new algorithm effectively eliminates the 180° ambiguity which occurs when using single imagery of the ASAR to retrieve wind vector. This algorithm also solves the problem that the retrieval results will break down on very small spatial scales. The results retrieved from dual polarization imagery of ASAR show that the wind speed and direction are in agreement with the data from Quikscat and buoy measurements. The root mean square errors of wind direction and speed between the retrieved results and data from Quikscat are 2.21° and 0.53 m/s, respectively. Comparisons between the new method and the traditional method show that the new methods fit the buoy data and Quikscat data a little better than the traditional method in this image.