面向对象高分辨率遥感影像的分割方法研究

面对高分辨率遥感影像的广泛普及,基于像元的传统图像分割方法已不能适应当前的需求.本文借助eCognition平台,应用多尺度分割、SLIC分割和DBSCAN分割三种方法对高分影像进行了分割处理,分析了影响分割结果的影响因素,并使用总体分类精度和Kappa系数来评估分割结果的准确性.实验结果表明,尺度因子、形状参数与紧密度因子是影响高分影像分割结果的三个主要因素,且多尺度分割方法的精度比SLIC和DBSCAN算法精度要高10%左右.     

基于多尺度特征注意的遥感图像语义分割方法

提出了一种基于多尺度特征注意网络的遥感图像语义分割方法,用于精确的像素级分割问题。通过利用由Transformer主干网络的不同层提取的多尺度特征,设计了一个双向聚合特征金字塔网络来捕获长距离依赖关系和细粒度细节。在网络结构中并行加入一个通道注意分支,从通道维度进行注意力增强以提高分割准确性。通过在两个高分辨率遥感数据集上的实验证明了该方法的有效性,实验结果优于其他分割方法。     

CAMFT算法在遥感影像分割中的应用

遥感影像具有数据量大、数据结构复杂、连续、存在缺损与误差等特点,根据遥感影像的特点,提出一种基于多代表特征树的CAMFT算法.该算法通过多代表点特征树把海量空间数据进行压缩来提高效率,并且可以捕捉复杂形状聚类;算法CAMFT融人了采样思想,进一步增强了处理大型数据的能力.实验结果表明,该方法聚类精度优于K-Mean算法.     

一种高分辨率遥感影像道路提取方法

总结了道路提取常用的形状指数,提出一种新的长宽比指数,采用该长宽比和面积指数结合光谱特征从高分辨率遥感影像中提取道路。实验证明采用新的长宽比指数能有效的将线状道路与面状房屋区分开来。     

一种高分辨率遥感影像车辆检测方法

高分辨率遥感影像中车辆具有不同的光谱表现,同时车辆对象往往与道路交通标志保持近似的光谱特征,这使得高分影像车辆检测通常面临较大困难。针对以上问题,提出一种基于多方向形态学变换的车辆检测方法,该方法由对象增强处理、候选对象提取、车辆对象特征验证等3个步骤构成。所提出的集成多方向线状结构元素的形态学顶帽（top hat）变换和底帽（bottom hat）变换分别实现了对亮色对象和暗色对象的增强处理,处理过程中同时顾及了车辆对象的几何结构特征,抑制了非车辆对象的干扰。基于初步提取结果,引入了基于多特征的车辆验证过程,进一步精确化车辆检测结果。基于城区高分辨率遥感影像的车辆检测实验证明了该方法的有效性。     

基于区域生长法的遥感影像分割方法研究

论述了一种针对遥感影像的分割方法,该方法采用多基于区域的区域生长的思想,在影像中人为选取种子点,采用基于光谱因子和形状因子的异质性值作为种子生长的条件,不断合并像元直到满足预先设置的阈值条件.用GEOEYE-I影像进行了相关的实验,结果表明所提出的方法是一种有效的遥感影像分割方法,在分割结果上有其自己的优点.     

不同遥感影像融合方法的比较研究

以许昌市某地区的TM遥感影像为实验数据,分别进行基于主成分变换,乘积变换,比值变换,HIS变换,小波变换的影像融合.通过计算亮度信息、清晰度、光谱信息、信息量等定量评价参数,对融合效果进行定性和定量的评价.实验表明,不同的融合方法进行融合时会产生不同的效果,通过多角度的定量评价和目视定性评价相互验证能够确定评价指标的准确性.     

基于无人机遥感影像处理方法的可行性试验

近年来,随着我国经济的高速发展与城镇化进程的迅速推进,各地区、各部门对地形地物资料的现势性、精度、周期的需求越来越高。传统的数据获取手段越来越显现出其局限性,而无人飞行器遥感系统应运而生,为中小城市特别是城、镇、县、乡等地区的经济和文化建设提供了行之有效的手段。本文利用PixelGrid对试验区的无人机遥感影像数据进行了研究处理,进一步验证了无人机影像处理的流程和方法,处理成果表明：精度指标完全可以满足对应测量规范的要求,可用于后续的数字正射影像图生产。     

假彩色合成和精度评价方法对遥感影像分类精度的影响

文章介绍了假彩色合成分量选择的方法、精度评价中样本大小的计算及抽样方式对分类精度的影响。对分类精度的提高具有借鉴意义。     

一种加快的CV模型分割方法研究

CV模型是一种有效的活动轮廓分割模型,其缺点是分割速度慢.用OTSU法预处理后的区域边界作为CV模型的初始轮廓线,大大提高了分割速度,且该方法能克服传统CV法难以分割壁较厚的内部空洞的不足.在CV模型的能量函数中引入惩罚项,使得CV模型在演化过程中无需重新初始化,进一步提高了分割速度.实验表明改进后的CV模型与传统CV模型相比分割速度有了较大提高,且分割效果更好.     

基于多任务学习的高光谱图像语义分割算法

针对高光谱图像语义分割中空间信息利用不充分的问题,提出了一种基于多任务学习的语义分割算法,分别为语义分割及基于遥感指数的图像重建任务.网络主要由3D卷积和2D卷积组成,通过主成分分析(principal component analysis,PCA)来减少冗余信息,通过不同任务的重要程度优化两者的损失函数权重.2个特征...     

一种基于区域生长的高分辨率遥感影像道路提取方法

随着遥感影像分辨率的提高,从高分辨率遥感影像中进行道路网提取,可以为交通信息提供瞬时、准确、可靠的数据,为交通规划提供极大的帮助。提出利用高分辨率遥感影像中道路的光谱信息特征提取路网的方法。考虑到高分辨率遥感影像光谱信息的复杂性,首先对遥感影像光谱信息进行K均值聚类,实现道路类和非道路类分离;同时,获取区域生长的判决条件和判断阈值,然后在道路类上运用区域生长的方法提取路网;最后,运用数学形态学等处理优化路网。实验证明,该方法从高分辨率遥感影像提取路网有较高的准确度和适用性。     

基于改进 CRUISE 算法的遥感影像分类研究

以南京南部高淳县为研究区,采用2010年ETM＋多光谱遥感影像作为遥感信息源,选择影像的地形因素、植被指数（NDVI）作为辅助分类特征,基于改进CRUISE算法构建决策树,实现了研究区的地物分类,并与其他分类方法的结果相比较。实验结果表明,与普通的决策树分类相比,基于改进CRUISE算法的分类可以有效地提高土地分类结果精度,具有良好的适用性。     

基于改进CRUISE算法的遥感影像分类研究

以南京南部高淳县为研究区,采用2010年ETM+多光谱遥感影像作为遥感信息源,选择影像的地形因素、植被指数(NDVI)作为辅助分类特征,基于改进CRUISE算法构建决策树,实现了研究区的地物分类,并与其他分类方法的结果相比较。实验结果表明,与普通的决策树分类相比,基于改进CRUISE算法的分类可以有效地提高土地分类结果精度,具有良好的适用性。     

基于并行四邻域区域生长的遥感图像分割方法

针对当前主流的灰度图像分割算法进行了分析、分类,指出了各类方法的优缺点,提出了并行四邻域区域生长的图像分割算法,将其用于遥感图像的分割,并取得了较好的效果。     

基于语义分割的高速公路天气识别算法

为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到Deep Labv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。     

融合个体识别的3D点云语义分割方法研究

3D点云能清晰、直观、准确地反映真实场景,其中卷积神经网络、随机森林分类器等都是用于3D点云语义分割的主要研究方法,均取得了良好的实验结果。但是到目前为止,在复杂丰富的3D实景中如何实现分割的多通道化还有很大的研究空间。基于此首先介绍了一种精巧、简单的3D点云语义分割框架,然后提出了一种通过学习语义感知的点级个体嵌入方法,将属于同一个体的语义特征融合在一起,使得每个3D点的语义预测更精确,同时实验结果也说明了这种融合个体识别的语义分割方法是可行的有效的,在精度上较PointNet++结构提高了3. 9个百分点,在速度上处理同样4096个点云数据的速度比先进的SGPN结构快约4倍。     

基于深度学习的图像语义分割技术综述

图像分割是计算机视觉领域的一个重要方向,是图像处理的核心环节.伴随深度学习技术的发展,结合深度学习的图像分割技术在精确度上远超传统图像分割方法.卷积神经网络(CNN)与全卷积神经网络(FCN)的提出极大促进了图像语义分割技术发展,研究人员提出了很多新型网络模型,分割精准度大幅度提升.从传统语义分割方法、深度学习与传统方...     

遥感影像数据投影变换方法及应用研究

针对GIS遥感影像数据投影变换特点,对影像数据变换的金字塔中间图像、分块仿射变换、最临近内插等技术与方法进行了研究。着重阐述了遥感影像数据投影中的难点,提出了影像投影优化的研究思路及关键技术,解决了投影中遇到的主要问题。最后通过项目实践验证了影像投影变换技术在中海油GIS平台中的应用效果及意义。     

格点上的一种统计分割模型

为了克服Kim-Fisher模型实现难度大、运行速度慢的问题,提出了离散的近似Kim-Fisher模型.该离散模型的目标函数直接定义在格点上,采用贪心法进行优化.首先,把图像的灰度值视为离散的随机变量,从而可以采用更为简单的方法估计条件熵.其次,针对基于水平集技术的二区域和多区域图像分割,提出一种无须扩展的统一的方法.最后,还提出一种多标号格点上曲线长度的近似方法,该方法比现有的方法更加准确.实验结果表明,同传统的连续Kim-Fisher模型相比,所提出的模型在取得相当的分割效果的同时,简化了实现过程,并大大降低了运行时间.