基于eCognition的面向对象农村公路提取

采用面向对象思想,使用高分辨率CBERS 02B HR全色影像对农村公路进行提取。在对影像进行分割后,综合利用影像对象的光谱信息和几何信息,构建道路提取知识库,并使用道路生长法对提取结果进行完善,增加了道路的完整性。与面向像元的方法对比,该方法能取得较好的精度。     

面向农村公路高分遥感影像道路提取的卷积神经网络架构

为了提升农村地区高分遥感影像路网识别精度,研究提出了一种高分遥感影像农村公路路网提取卷积神经网络跳跃链接"全局关注模块"(Block of Focusing Globe,BFG)架构.BFG架构在跳跃链接阶段对下采样特征图进行卷积操作,并将该操作卷积核尺寸与下采样次数相关联,最终与原特征图进行维度拼接后再输出至对应上采样环节,从而为原特征图叠加更为丰富的全局信息与上下文信息.通过对比实验对算法性能进行评价,发现未使用BFG模块的典型U-Net结构,其交并比为使用后的97.74％;Res-U-Net的交并比为使用BFG模块U-Net的55.11％;BFG模块能有效降低高分遥感影像中路侧地表类型变化对路面识别产生的干扰,使提取路面保持边缘清晰、连续,且能够在路面被林木或阴影短暂遮蔽时正确识别并提取道路路面信息.以上结果表明,新建BFG模块架构具有较好的实用性.     

面向对象的成都平原高分辨率遥感影像分类研究

为了快速、准确地提取成都平原土地利用及其变化信息,选择高分辨率遥感影像作为数据源,利用面向对象的影像分析方法,对成都平原高分辨率遥感影像的分类方法进行了研究.对最佳分割尺度进行了较深入的实验分析,提出了快速、准确获取成都平原土地利用及其变化信息的方法和途径.结果表明,面向对象的影像分析技术能很好地解决成都平原土地利用及其变化信息的快速提取问题,关键是影像分割尺度的选择和影像对象各种特征信息的提取.     

基于多尺度模糊边缘特征的遥感影像融合方法

针对全色与多光谱遥感影像融合,提出了一种基于多尺度模糊边缘特征的融合方法.该方法根据à trous小波变换特点以及全色与多光谱遥感影像的频率关系,对全色影像进行多层小波分解,并将不同尺度下的小波面叠加得到多尺度小波面,然后对其进行模糊增强处理提取边缘细节信息,最后将边缘细节信息叠加到多光谱影像中得到融合结果.实验中与传统融合方法进行了主观分析与客观定量比较,结果表明本文方法具有良好的融合效果.     

基于改进Canny算子的遥感图像边缘检测

针对传统的Canny边缘检测算子存在高斯滤波函数方差和阈值需要人工设置的缺点,提出了一种基于改进Canny算子的遥感图像边缘检测算法.首先利用复合形态学滤波代替高斯滤波,可得到更好的平滑效果,同时保留更多的边缘信息;然后利用Otsu阈值方法对阈值进行自适应设定,可以使检测边缘更加连续完整,并减少虚假边缘的存在;最后引入数学形态学算法实现对边缘细化处理.实验结果表明,将改进的Canny算子应用到遥感图像的处理中,具有良好的抗噪性能和检测精度.     

基于高分辨率遥感影像的道路提取方法

分别采用面向对象、最大似然、支持向量机3种分类方法进行实验区高分辨率遥感影像的道路提取,并作分类精度评定。结果表明,面向对象法能够综合利用高分辨率遥感影像的波谱、几何、纹理等多种特征信息,可有效克服影响因素的干扰。本案面向对象法道路提取的总分类精度较高,获得的分类结果较好。     

����Elman������ĵ�·����ʱ��ͨ��Ԥ�ⷽ��

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测. 首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析. 验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.     

遥感技术在公路交通管理维护中的应用

为充分发挥遥感数据时空分辨率高、覆盖范围广等优势,进一步推动遥感技术在交通监控与管理领域中的深入应用与持续发展,对基于高分遥感影像的道路轨迹及属性信息快速提取、车辆自动识别、道路及周边建筑物特征变化检测、路域次生地质灾害及道路损毁信息自动提取等关键技术进行了简要阐述,并介绍了这些关键技术在公路路网状况调查、交通流提取、道路施工与建设监管、道路灾害损毁评估等方面的应用情况。充分了解以上技术的研究及应用情况,对交通遥感关键技术研究和公路交通管理维护的信息化发展具有借鉴意义。     

汶川地震灾区道路损毁度遥感评估模型

为满足地震发生后灾区交通设施损毁程度快速评价的需要,提出并建立了基于低空遥感影像的道路损毁度遥感评估模型.以低空遥感平台获取的地震灾区大比例尺真彩色遥感影像为信息源,提取灾区道路、桥梁和隧道洞口等交通构筑物的空间信息以及滑坡、崩塌、堰塞湖等灾害体的空间分布信息,形成崩塌、滑坡灾害分布和道路设施空间分布专题图.以道路设施与灾害体是否形成空间耦合作为道路损毁与否的判据,由灾害个体对道路设施结构破坏的严重程度生成道路受损系数,由单个受损段道路的长度生成规模系数,建立了灾区道路损毁程度遥感评估模型,并将该模型应用于都—汶路白沙至夏家坪段道路损毁程度评估,结果与实际情况一致.     

基于高分遥感影像的农村地区公路网规模预测

为准确预测农村地区公路网中短期发展规模,研究提出了基于高分遥感影像与地形、区域功能及周边环境划分的农村地区公路网中短期发展规模预测模型.模型采用基于地形区域分类的方法,以深度神经网络提取的路网高分遥感影像为基础数据,综合考虑路网分布、自然村分布及路网提取算法精度等客观情况,并对遥感影像质量偏低导致的识别率下降进行了里程...     

3S集成技术在土地利用动态监测中的应用

针对基于RS和G IS的土地利用动态监测方法可靠性差,精度低,提出了RS,G IS和GPS集成技术.在2000年TM遥感影像解译数据的基础上,以2004年中巴资源卫星(CBERS-02)遥感影像数据为信息源,对2004年遥感影像进行了解译,修改了2000年数据库.在野外用手持GPS接收机对解译成果进行了验证,更新了解译的数据库;利用G IS技术的空间分析功能,提取出了2000~2004年间土地利用/覆被变化信息,得到了高精度的土地利用动态变化数据库,并在此基础上对土地利用动态变化信息进行了分析.实验结果表明,利用3S集成技术可以提高土地利用信息的可靠性和精度.     

导航电子地图中道路网增量信息的多尺度探测

针对常用增量信息提取方法中根据经验阈值确定新旧目标匹配的不足,提出一种导航电子地图中道路网增量信息的多尺度探测方法.该方法用最大类间方差法自适应地确定几何匹配阈值来探测增量信息,完善了基于道路网眼密度的增量变化目标渐进式选取算法,实现了增量信息在较小比例尺下的缩编提取.增量信息探测实验研究结果表明:基于自适应匹配阈值的新旧版本对应路网目标匹配准确率达到了90%,优于传统的经验阈值匹配精度;改进的增量变化目标渐进式选取算法可以满足路网增量更新的结构选取需求.      

基于多光谱混合梯度的遥感影像分水岭分割方法

针对分水岭分割算法中的过分割问题,提出基于加权混合梯度的多光谱遥感影像分水岭分割方法.综合利用多光谱遥感影像各个波段的光谱信息,根据图像信息熵构建加权混合梯度.加权混合梯度图像形态学重建滤波之后,引入基于梯度图像区域极值中值的自适应极小值抑制技术对混合梯度图像进行修正,修正后的梯度图像运用分水岭变换,实现了多光谱遥感影像的分割.以QuickBird和Planet多光谱影像为实验数据验证了该方法,分割结果符合人类视觉感受,减小了过分割现象,为多光谱遥感影像分割提供了一种新的思路.     

基于点特征和边缘特征的无人机影像配准方法

为解决变形较大的无人机影像配准问题,提出了点特征和边缘特征相结合的配准方法.用尺度不变特征变换(SIFT)算法提取点特征,完成影像的初步配准,并通过多项式函数对影像进行粗校正.在此基础上提取影像的边缘特征信息,根据距离相似性对边缘特征信息进行配准;依据色彩能量差筛选点特征信息配准结果和边缘特征信息配准结果,采用小面元微分校正的方法对变形影像进行校正.实验结果表明:提出的配准方法能够弥补点特征配准方法和边缘特征配准方法的不足,其配准的鲁棒性提高10%左右,可以较好地完成变形较大的无人机影像配准.      

基于卡口车牌识别数据的车辆出行分析

车辆出行是城市道路交通的基本组成单元,掌握城市道路网车辆的出行信息,深入挖掘车辆出行特征与规律,能为城市交通管理提供决策信息.本文基于卡口车牌识别数据,提出了一套车辆出行分析框架.首先对全路网运行的所有车辆的个体出行进行辨识,提取所有车辆出行的路径和行程信息,并从个体和集计层面获取车辆出行的规律特征;利用车辆的多日出行信息和统计特征,提出了车辆职住地识别方法;基于外地车的出行特征,利用 K-means++ 算法对外地车进行分类.在实例分析中,以广州市道路网运行车辆作为研究对象,开展了车辆出行分析,实验结果验证了本文方法的有效性.通过本文方法挖掘的信息对城市道路交通管理具有重要意义.     

模糊航空图像中的道路自动检测方法

为了在模糊航空图像中精确地检测道路,通过分析图像中道路特性,提出了一种道路自动检测方法。通过多尺度Retinex算法增强模糊图像,用改进的Canny边缘检测算法检测图像中的主要路段,使用交叉熵理论和贝叶斯决策理论自动获取梯度图像中的高低阈值,从而将灰度图像转化为二值图像,并将图像中所有线性目标进行骨架提取。根据线性目标的形状与尺寸参数进行噪声滤除,并根据端点的方向与端点间的距离进行道路间隙缝合,并结合边缘和原始图像信息调节和修正已检测出的道路。将道路自动检测方法与几种常用的图像分割算法进行比较,包括大津阈值分割算法,Canny边缘检测算法与图论最小割算法,并使用道路自动检测方法对模糊图像中的单条道路、交叉道路和多条道路进行检测。检测结果表明:对模糊或光照不均的航空道路图像,Retinex算法增强图像后可以清晰显示主干道路,而常规的图像分割算法无法将主干道提取出来,使用改进的Canny边缘检测算法并附以图像后处理功能较好地提取主干道路。使用道路自动检测方法能够清晰地检测模糊航空图像中单条道路、交叉道路和多条道路,与人工识别的效果接近。     

基于多峰直方图的遥感图像阈值自动选取算法

基于多峰灰度直方图的阈值自动选取算法,首先使用平均滤波器平滑直方图,消除直方图中微小的波动,保留反映直方图总体趋势的大的波峰波谷;然后通过寻找直方图中局部最大值和最小值,以确定合理的阈值.该算法使用时仅需要用户指定直方图应保留的合理波峰数,在针对大尺寸遥感图象计算出的阈值要优于大津算法和双峰算法计算出的阈值,且算法计算复杂度较低,适用于快速阈值选取.通过对TM影像中水体自动提取实验研究,阈值自动选取算法可用于水体及其它地物目标遥感信息的批量自动提取处理,具有较好的提取效果.     

基于几何约束的倾斜影像特征匹配方法

针对倾斜影像视角变换较大、重复纹理导致匹配数量少、匹配精度不高的问题,提出一种适用于倾斜影像的特征点、线分级匹配方法.首先,用直线提取（检测）算法（LSD）获取影像直线特征,并将直线特征以一定约束进行直线组对,构建直线对区域与改进的SIFT (scale-invariant feature transform)特征描述符进行匹配,使用RANSAC算法剔除误匹配,获得初始匹配结果后再进行核线约束;然后,利用已获得直线对区域进行影像局部纠正,在纠正后的局部影像上采用SIFT匹配并反算回原始影像,利用得到的同名点全局纠正倾斜影像,并进行特征点匹配与采用基于方格的运动统计算法（GMS）剔除误匹配,仍将匹配结果反算回原始影像上;最后,将仿射尺度不变特征变化结果与点拓展匹配结果进行合并,得到最终匹配结果.试验结果表明：本文方法匹配正确率与经典的仿射不变匹算法（ASIFT）的正确率相差不大,但匹配数量却是ASIFT算法的1倍～3倍.     

基于多标记像素匹配的高分辨率遥感图像道路提取

针对高分辨率遥感图像道路提取方法存在提取不完整和误提取问题,提出一种基于多标记像素匹配的高分辨率遥感图像道路提取方法. 将待提取图像由RGB颜色空间转换到 Lab颜色空间,选取与照明强度弱相关的色相特征作为初始匹配项. 以矩形框的方式标记不同类型的道路,利用t 检验法剔除其匹配项的异常值,从而确定阈值来匹配道路像素点,利用局部纹理算子对匹配结果进行筛选. 利用道路区域的形态特征对匹配结果进行优化处理. 为验证所提方法的可行性和优越性,对不同传感器获取的高分辨遥感图像进行测试,与现有道路提取方法进行对比. 定性和定量精度评价结果表明,所提方法对不同类型道路的提取具有较高的精度.     

一种基于KPCA和Brovey变换的遥感影像融合方法

针对PCA-Brovey算法在融合多光谱遥感影像(MS)和全色影像(PAN)方面存在的空间细节特征和光谱特征不能同时得到较大提高的问题,提出一种基于KPCA-Brovey的遥感影像融合方法。利用核主成分变换(KPCA)算法的非线性光谱数据挖掘的特性,提取多光谱影像中信息量最大的3个主分量KPC1、KPC2和KPC3;然后利用Brovey算法对3个主分量和全色波段进行归一化融合运算,使融合结果中的空间信息和光谱信息更丰富。利用武汉区的Landsat5-TM和佛山区的Quick Bird影像进行实验,与PCA-Brovey方法相比,该方法在空间信息和光谱信息方面有明显提高,其中光谱信息提取率分别提高到96.6%(武汉区)和96.1%(佛山区),光谱相关系数提高到0.907 9(武汉区)和0.897 9(佛山区)。