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.

基于纹理特征的高分辨率遥感影像分类方法

灰度共生矩阵能较好反映影像灰度统计规律,小波变换能较好反映影像的多尺度特性,利用两者结合进行了纹理特征提取。将灰度共生矩阵和小波变换提取纹理特征作为分类特征向量,建立基于支持向量机分类模型对高分辨率遥感影像进行分类;在支持向量机参数优化问题上,利用遗传算法进行参数寻优,有效的避免多学习和欠学习状态的发生。分类实验结果表明了本方法的有效性。

遥感影像道路断线修复方法研究

在遥感影像道路提取中,由于树木遮挡或建筑物阴影等原因产生的道路断线极大影响了道路的完整性和连通性,使得其结果无法为基于路网的分析和处理方法提供可靠的数据支持。针对深度语义分割网络的遥感影像道路提取结果,提出了联合道路断线端点的位置、指向、纹理和连通性等多特征进行断点间匹配,并结合三次曲线拟合对匹配道路断点进行优化连接的道路断线修复方法。实验表明,该方法在DeepGlobe Road数据集上F1-Score相比原始结果提升了1.27%、77.04%,较大提高了原始结果的精度和可靠性。且经过断线修复后的结果具有较好的完整性和连通性,体现了该方法的对于遥感影像道路断线修复的可靠性与实用性。

一种利用方向模板的遥感影像道路提取方法

道路连接是自动提取道路信息的关键技术,设计了一种方向模板用于道路的自动搜索和连接,并给出基于该方向模板的道路提取方法。首先对原始遥感影像进行边缘信息增强处理,然后用增强处理后的图像作为线特征增强系数,与原图像对应相乘,增强道路线特征;再结合图像的8连通性,统计每个连通成分像素点的个数,设定阈值去除点噪声和短线段噪声,得到不连续的道路段;最后利用方向模板,在给出道路起始点和终止点的基础上,利用该模板的方向规则连接道路。实验结果表明,该方法具有很强的适应性,提取的道路精度高,效果好。

一种改进的相位相关的影像配准方法

提出一种改进的基于对数极坐标变换的相位相关算法,该算法将分层匹配思想引入到匹配过程中,使得改进后的算法在保证精度的同时可大大加快计算速度,且与图像的大小无关,从而提高算法的整体性能。

基于相位一致性的遥感影像电力线特征检测方法

采用相位一致性方法解决遥感影像上电力线的检测问题。影像中的特征,在频率域表现出最大相位一致性,而相位一致性的度量是一个规一化的、无量纲的量,并且对影像的亮度和对比度变化具有不变性,因而便于设置阈值,并且定位准确。试验表明,该方法比常用的特征检测方法检测出的电力线特征效果好,且定位准确。

顾及空间引力的变权重MRF高分遥感影像变化检测

针对现有高分遥感影像变化检测方法大都针对影像的像元灰度值,没有充分考虑像元间的空间关系,导致变化检测精度不高,提出了一种改进的变化检测方法。首先,通过模糊C均值聚类得到初始差异影像中的像元隶属度信息;然后,利用改进的空间引力模型将像元的隶属度及像元间的空间信息引入到马尔科夫随机场中,基于组合能量函数设置自适应权重函数;最后,采用条件迭代模型优化,获得最终的变化检测结果。通过对两组不同传感器、不同分辨率的高分辨率遥感影像开展相关对比实验,结果表明,该算法表现出更好的空间信息边缘检测效果和区域一致性,从而进一步提高了变化检测的精度。

基于相位一致性的遥感影像道路特征检测方法

在空间域中进行道路特征检测容易受图像亮度、对比度和噪声的影响,为了克服这一缺点,该文采用在频率域中进行道路特征检测。基于频率域的相位一致性道路特征检测方法具有亮度和对比度不变性,特征在频率域中表现出最大的相位一致性,通过计算影像6个方向的相位一致性值得到相位一致性值之和的灰度图,对灰度图进行二值化,然后使用数学形态学方法进行细化,去除噪声,检测出道路特征。实验表明,该方法对对比度、亮度变化不敏感,能够精确地检测出与人眼视觉相一致的道路特征。

结合双树复小波纹理特征和MRF模型的遥感图像分割

针对经典的小波纹理不能准确地表达影像纹理特征的问题,以及影像分割结果缺少对像元空间相关性和分布关系的考虑。本文提出了结合双树复小波(DT-CWT)纹理和马尔可夫随机场(MRF)模型的高分辨率遥感影像分割方法。首先,通过双树复小波变换提取影像纹理特征,联合光谱特征形成表达影像信息的混合特征向量;然后,将混合特征向量高斯归一化处理,并用K-means聚类的方法对特征空间中的混合特征向量聚类得到初始分割图;最后,借助马尔可夫随机场模型在初始分割结果中引入上下文信息,基于贝叶斯最大后验概率准则得到最终的分割结果。本文通过双树复小波纹理提高了特征表达的准确度,同时使用马尔可夫随机场模型减弱了分割结果中同质区域的“椒盐噪声”,从而进一步提高了高分辨率遥感影像分割的精度。

LOG算子进行边缘检测的研究

对零交叉（ＬＯＧ）算子进行影像的边缘特征检测研究表明，ＬＯＧ算子可以在不同尺度下检测影像的边缘特征，当空间常数σ＜１时，可以产生与边缘一致的零交叉，检测到聚焦良好的物体的精细边缘，并且在一定程度上抑制了反差较小的噪声，从而获得比较满意的应用效果。通常情况下，ｒ＝３σ或４σ即可满足要求。

基于自适应阈值的细小裂缝与微灰度差异裂缝自动检测方法

针对路面各种噪声导致错误识别,以及细小裂缝与微灰度差异裂缝检测困难的问题,该文提出一种基于自适应阈值的裂缝自动检测方法。主要内容包括:提出了一种针对细小裂缝与微灰度差异裂缝的移动平均自适应阈值分割;利用线性结构的连通域规则噪声去除;基于Hough变换的裂缝图形自动检测;最后利用该文方法对实例高速公路细小裂缝进行自动检测。结果显示:该文方法比参考文献中几种算法效果更好、自动化程度高,试验结果精度比工程单位使用的方法高。

3维激光扫描技术在墓葬保护中的应用

3维扫描技术可以说的是21世纪又一项测绘技术新突破,本文介绍了3维激光扫描技术的工作原理,通过结合实际的墓葬保护工程,重点阐述了3维激光扫描技术数据的采集、处理、建模过程和方法,同时总结3维扫描技术的优点和现阶段存在的问题,为数字考古和文物保护提供新的技术支持。

改进SAR-SIFT算法的无人机影像匹配方法研究

对SAR-SIFT、SIFT与SURF算法的匹配正确率、数量及时间等进行探究,并提出一种基于SAR-SIFT改进的无人机影像匹配方法,可增加无人机影像的匹配数量和准确率。利用图像的R,G,B分量提取图像特征,将3个分量提取的所有特征去重后进行特征结合,增加特征点提取数量。采用比值判别法(Ratio Test)将不满足最邻近距离、次临近距离以及距离较远关系的特征点去除,并采用余弦相似度进行匹配,最后采用向量一致性算法进行错误剔除。实验结果证明,改进算法提高无人机影像的匹配正确率,增加图像的正确匹配数量。

基于深度分类的轻量级格网桥梁裂缝检测技术

针对目标检测模型应用于桥梁裂缝检测时检测精度不高、模型参数量大等问题,提出一种基于深度分类的轻量级格网桥梁裂缝检测技术。设计格网化处理方法将桥梁裂缝图像划分到大小相等的网格内,规范图像中桥梁裂缝的位置分布;采用全局平均池化与基于批归一化层的通道剪枝技术对深度分类模型进行轻量化改进,减少模型参数量;使用改进后的模型对不同网格内的图像进行分类并标注出裂缝位置。实验结果表明,该技术可以实现对桥梁裂缝的高精度检测,F 1得分达到了0.97。全局平均池化和基于批归一化层的通道剪枝技术能大幅减少模型参数量,改进后的模型大小仅为0.62 MB。

一种联合空间约束与差异特征聚合的变化检测网络

变化检测旨在观测地物在不同时序中的表达差异。深度学习已成为实现这一任务的主流手段,现有基于深度学习的遥感变化检测方法中,普遍更专注于对图像中的深度特征进行学习,而忽略了不同层级特征之间语义优势及差距,从而导致检测性能不足。为此,本文提出了一种联合空间约束与差异特征聚合的变化检测网络,通过控制特征信息在网络中的流动,消除检测对象底层特征和高层语义信息之间差异性,提高预测结果的质量。首先,利用孪生网络并结合特征金字塔结构生成多尺度差异特征;然后,使用所提出的坐标自注意力机制(CSAM)对低层特征进行空间约束,强化对变化区域边缘结构及精确位置的学习,并结合经典的卷积注意力模块充分捕捉上下文变化信息;最后,使用门控融合机制提取通道关系,控制多尺度特征的融合,以生成边界清晰、内部完整的变化图像。在变化检测数据集CDD和LEVIR-CD上对本文方法进行了试验,与已有变化检测网络模型进行比较,本文方法在不同场景下均表现出最佳的检测效果。

摄影测量学CAI课件的设计

在分析摄影测量学教学特点、教学手段和信息技术发展现状的基础上 ,提出了基于网络的摄影测量 CAI课件的设计模型 ,并给出了在 Windows NT下的一种实现方案。

结合改进SWT和EMD的高分遥感影像道路提取

针对利用传统笔画宽度变换(stroke width transform,SWT)提取遥感影像道路阈值无法自动确定以及精度不够高的问题,提出了一种结合改进SWT和融合多特征后的陆地移动距离(earth mover’s distance,EMD)进行高分遥感影像道路提取的方法。首先,结合连通分量分析,将笔画宽度变换改进成可自动确定提取阈值的方法,进行初步道路提取;其次,确定一个道路参考区域,利用连通区作为索引,分析道路参考区域与其他区域之间的特征相似度,通过提取纹理与光谱特征,计算加权融合后的特征EMD值,设定合理的阈值过滤大部分非道路区域,提取出其他道路区域;最后,进行形态学后处理得到最终提取结果。通过实验实现该方法并与现有道路提取方法进行对比。经过评估,证明该方法在提取不同场景的道路时均能达到理想效果且具有较高精度。

基于GEE的石嘴山地区生态环境质量时空演变特征研究

以石嘴山市为研究对象,基于GEE平台选取30年的Landsat影像数据,提取绿度、湿度、干度、热度,并加入符合地区特点的盐碱度指标共同构建改进后的遥感生态指数(RSEI),采用长时间序列的趋势分析方法,对1991—2021年石嘴山地区的生态环境变化进行综合评价。1991—2021年研究区的RSEI指数与绿度、湿度呈正相关,与盐碱度、干度、热度呈负相关,生态环境质量呈现出“下降-快速上升-缓慢上升”的趋势。1991—2021年石嘴山市的生态环境质量呈明显改善趋势,生态环境质量显著上升区域面积为4787.8 km^(2),占比71.0%,显著下降区域面积为117.4 km^(2),占比1.7%。在1991—2021年,除主城区及周边地区生态环境质量下降以外,其余地区较之前都有明显上升,尤其是在沙湖以及黄河两侧。研究表明区域生态环境质量下降的主要原因是城市扩张,上升的主要原因是内陆湖以及土壤盐渍化改良工程对生态环境的积极改善作用。

多时相遥感影像的深度卷积匹配算法研究

针对传统人工设计的特征描述符在面对几何差异和辐射差异较大、地物变化明显的多时相遥感影像时,容易造成大量误匹配问题,提出一种适用于遥感影像的双筛选双约束的卷积神经网络匹配算法,通过CNN提取影像深层语义特征图,在特征图中筛选同时满足优先最大原则和精确极值原则的关键点,并在对应位置提取512维描述符。在特征匹配阶段,通过由粗到精的反向匹配约束和RANSAC约束相结合的策略,保证了误匹配点有效剔除的同时保留一定数量的正确匹配点对,提高了匹配的精度。实验结果表明:该方法的匹配数量适中,正确匹配率较实验选取的其他算法相比有所提高,影像配准误差减小2个像素左右,匹配运行时间提升明显,匹配效果良好并且具有一定的适应性和鲁棒性。

基于光谱-空间残差网络模型的高光谱遥感图像分类

残差网络是近几年提出的一种新型深度卷积网络,通过增加网络深度提高分类的准确率,也解决了网络退化问题。基于残差学习原理,设计了针对高光谱遥感图像分类的光谱-空间残差网络模型。首先,将原始高光谱遥感数据三维立方体输入网络模型,并使用特定的卷积核对光谱特征进行降维;然后,利用光谱残差模块和空间残差按模块分别且连续地学习光谱和空间特征;最后,对提取到的特征进行池化操作并分类。此外,为规范训练数据和防止过拟合,学习过程中使用了批量归一化和dropout的方法。所设计网络模型在Indian Pines和Pavia U数据集上进行了验证实验,结果表明,所提方法有效地缓解了网络退化的问题,且在分类精度上也高于支持向量机、卷积神经网络等现有算法。