无人机航摄系统影像提取处理技术研究

为提升无人机航摄系统影像提取效果,选择某野外实地进行试验重点分析无人机航摄系统影像提取关键技术。研究中通过布设无人机航摄总体技术路线,然后根据无人机航摄影像数据处理工作步骤获取航测数据,而后采用PhotoScan计算机软件快速完成影像获取、数据处理等工作。工程结果表明,无人机航摄系统影像提取与处理中,数据涵盖图像拼接、校正、特征提取、目标检测与识别等关键信息,利用野外航测与内业数据联合处理方式,大大提升了图像的详细程度,为后续应用提供准确、可靠数据支持。

基于HDF文件的组织方式与影像提取

介绍HDF文件的产生背景和发展过程 ,比较HDF4和HDF5文件的结构变化并分析这种变化的特点和产生原因。阐述影像在HDF中的组织形式 。

一种指定重叠度的关键帧影像提取算法

针对实时传输到地面站的视频流数据,提出一种指定重叠度的关键帧影像提取算法,使流媒体数据转换为熟知的影像数据。根据摄像机坐标系、摄影测量坐标系及像平面坐标系之间的关系,通过此算法可得出一帧影像的大小,然后利用给定的航向重叠度,求出提取时间间隔,遍历整个视频文件,得到符合相应要求的关键帧影像。此内容区别于传统航空影像的处理过程,但为视频流影像数据处理的必要组成部分之一。

基于面向对象的设施蔬菜高分遥感影像提取

以河北省廊坊市香河县五百户镇为研究区,综合利用高分二号(GF?2)遥感影像的光谱、纹理特征,并结合边缘检测、阈值分割、数学形态学算法,设计了面向对象的多特征融合设施蔬菜面积提取方法。首先对影像进行增强处理,结合影像中光谱和纹理特征剔除建筑物和道路干扰。然后采用阈值分割算法将边缘检测后的“噪声”进行删除,并使用数学形态学方法提高影像分割效率。最后对于一些难以去除的“噪声”采用面积(Ar)、周长(Per)、圆形度(Rd)、长宽比(Pwl)、矩形比(Pr)这5个形状特征参数进行剔除,实现利用高分遥感影像提取设施蔬菜面积。精度验证结果表明,该方法在试验区野外核查的精度为86.02%,随机样本点的总体分类精度为84.5%,Kappa系数为83.1%。

基于GF-6 WFV影像提取玉米水稻种植信息

玉米、水稻是我国重要的粮食作物,利用遥感技术高效获取其种植分布信息具有重要作用。GF-6 WFV遥感数据光谱波段较为丰富,空间分辨率较高,能够为作物遥感分类提供多种类型特征。然而多特征参与分类容易产生数据冗余、降低处理效率。如何优选GF-6 WFV数据丰富的特征信息对于提高分类精度具有重要意义。本文利用GF-6WFV影像提取光谱特征、无红边指数、红边指数及纹理特征共26个特征变量,基于所有特征进行优选并采用不同分类方法及不同特征组合识别黑山县及北镇市玉米、水稻分布信息。结果表明:采用平均不纯度减少与相关系数双重指标共优选出14个特征,其中红边信息占比最大。基于优选特征采用随机森林法识别玉米、水稻精度最高,其总体精度为94.01%、Kappa系数为0.90,相比优选前分别提高1.14%、0.02。多源特征相对于单一特征能够改善作物分类效果,提高分类精度。该研究能够剔除非农田像元影响以高效高精度地提取玉米、水稻,具有可行性、有效性,能够为国产高分数据在作物遥感识别应用方面提供参考。

CTMAX 影像提取错误一例

CT 扫描及图像处理的几个主要环节—X 线发生器数据采样,卷积反投影,数据预处理存储及 CT 检查准备等。如发生故障,即可能发生图像提取错误,不仅影响计算机系统收集数据,严重时还会导致整机不能工作,这给医师诊断疾病造成困难。

遥感影像提取数据的后处理技术研究

遥感信息的自动提取是当今空间信息领域的研究难点和重点,常见的提取方法能在一定程度上实现自动提取,但提取后的空间数据如道路、建筑物,存在着属性信息缺失、质量不高等问题,无法直接用于实际生产。为了解决这个问题,本文对遥感影像提取数据后处理过程进行研究,基于自动提取结果,借鉴制图综合领域中的算子和算法,并根据典型矢量要素的自身特征,制定规则库进行制图综合处理。同时引入OpenStreetMap数据进行多源数据融合,解决提取信息属性不足的问题,最终形成一套适合半自动生产加工的遥感影像数据提取后处理方法。与传统后处理方法相比,本文提出的方法可以大大提高系列比例尺地形图制作速度和自动化水平,提升基础地理信息数据快速生产更新效率。

基于选择性层级特征交互的遥感影像道路提取

及时准确地提取道路信息在城市规划、交通导航、灾害管理等领域具有重要意义。为提升遥感影像道路提取的性能,提出了一种基于选择性层级特征交互的双解码器网络(SHFINet)。为解决道路提取面临的阴影遮挡问题,设计了一种多尺度特征自注意力模块(MCFA)。针对跳跃连接中容易引入噪声的问题,提出了一种选择性层级特征交互模块(SHFI)。采用两种不同形式的解码器对特征进行重构,更有效地实现不同层级特征的信息交互。

基于PCA和SVM的遥感影像水体提取方法及验证

针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题,提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像,对原始影像光谱波段特征进行PCA降维,从中优选熵、方差、差异性纹理特征向量,结合原始波段及归一化差分水体指数(NDWI),构建了8维特征向量,并基于SVM算法提取湖泊水体。以巢湖洪水期与非洪水期影像为研究实例,分别采用NDWI法、传统SVM算法及PCA-SVM算法对水体进行提取,并进一步基于PCA-SVM算法对2020年汛期巢湖洪水期淹没演变过程进行反演和跟踪,定量解析特征向量组合及SVM惩罚系数C对水体提取性能的影响。结果表明:PCA-SVM算法提取的湖泊完整、支流连续,显著改善了含蓝藻水体漏提、建筑物误提等问题;洪水期和非洪水期提取结果的F1分数分别为95.08%和97.95%,虚警率分别为5.43%和1.13%,提取精度显著高于NDWI法和SVM算法。

多样种植区冬小麦RS影像精确提取方法研究

以河北省邯郸市永年区为示例,基于ENVI平台,采用最大似然分类法对Sentinel-2冬小麦RS(Remote Sensing)影像数据进行精确解析,并通过混淆矩阵评价其分类精度。研究结果表明,使用最大似然分类法可快速提取冬小麦影像数据,精准获取粮食种植面积及其分布情况,有助于提升农业区土地利用的监测评估效果,并提升精细化灌溉水资源管理水平。

基于语义分割的遥感影像建筑物自动提取方法

当前地理信息动态更新中遥感影像建筑物提取仍需通过人机交互实现,生产效率较低,针对该问题提出了一种基于语义分割的端对端的遥感影像建筑物提取方法.该方法将提取任务分解为编码和解码两个过程,其中编码过程负责从输入的高分辨率遥感影像中提取建筑物的抽象特征,而解码过程则基于提取到的地物特征建立特征与提取结果的映射关系,从而获得像素级的高精度提取结果.采用高分辨率航拍影像和Worldview卫星影像进行试验,与传统的建筑物提取方法进行对比.结果表明,所提方法的精确度、召回率、F1得分和交并比相对于传统提取方法均有明显提高,能够有效解决地理信息数据生产中建筑物提取的问题.

基于HDF4文件格式的MODIS 1B影像数据提取的研究与实现

介绍了HDF4文件格式和HDF软件库的实现原理,分析了MODIS1B数据资料。在MODIS1B数据中主要有两种数据对象SDS和Vdata。文中详细介绍了访问SDS和Vdata数据的SD接口和VS接口,并通过调用HDF软件库分别实现了提取MODIS1B数据中SDS数据和Vdata数据。

基于AE-GIS的无人机影像快速提取研究

由于特高压输电线路工程输送距离长、建设规模大、地形复杂、施工管理难度大,利用无人机航摄技术和可视化管控系统[1-2]能够实现施工建设现场安全、质量、环保水保、通道清理等方面管控目标。但由于无人机沿线路进行航摄会产生海量的遥感影像数据,从影像中获取施工现场信息工作量极大。本文结合AE和GIS技术[3-5]研究无人机影像快速提取,实现从海量的无人机影像中快速准确地挑选塔基范围的影像成果数据,使管理人员在航摄完成当天即可获取施工现场的真实状况,实现了成果时效性的突破。

信息化技术在医学影像及教育中的应用研究

由杨德武、蔡惠芳主编,科学出版社出版的《医学影像信息技术》是医学影像领域一本具有较高参考价值的学术著作。该书主要从医学影像技术的理论基础、临床应用、技术创新与发展趋势等几个方面,结合实际案例,全面介绍了医学影像信息技术在现代医学中的重要作用和应用场景,深入阐释了医学影像信息的处理、分析和解读方法。该书在理论基础方面系统梳理了医学影像技术的基本原理和概念,包括成像原理、影像特征提取、图像重建等内容,为读者提供了扎实的理论支撑。该书在临床应用方面通过丰富的实际案例,展示了医学影像信息技术在疾病诊断、治疗方案制定和疗效评估等方面的广泛应用,使读者能够深入了解医学影像技术在临床实践中的价值。

基于数学形态学的高分辨率遥感影像道路提取

利用数学形态学的方法对高分辨率遥感影像道路提取进行了研究,通过对影像进行预处理增强道路信息,依据影像灰度直方图信息,对预处理后的影像进行阈值分割,得到一个包含道路信息的二值影像;进一步使用形态开运算去除细小噪声,同时将一部分粘连在道路上的噪声与道路信息进一步分割;接着结合形态腐蚀和形态重建运算获取影像中主要道路网络信息,并用形态闭运算完善道路网络信息;最后对道路网络信息进行形态细化和一定次数的形态修剪处理,得到单像素宽的道路中心线信息。利用数学计算软件MATLAB在高分辨率遥感影像上作了实验,并进行了总结和分析。

Gaussian反对称小波与SAR影像目标特征提取

由于遥感影像中目标尺度的不确定性 ,使得在目标特征提取和检测前难以事先确定最佳尺度以适应影像空间不同尺度目标的识别与检测 ,给遥感影像自动识别与全自动数字摄影测量带来了极大困难。为了解决遥感影像中不同尺度目标的探测问题 ,提出基于一般高斯核构造一类Gaussian反对称小波并给出相应二维小波变换的快速算法 ,弥补了MallatGaussian小波 (σ =1)在解决遥感影像空间不同尺度目标检测中的不足。对于影像中不同尺度的目标特征探测 ,通过在Gaussian核函数中选择适当的参数σ值 ,得到相应的反对称小波空间滤波器响应系数 ,用于解决不同目标的检测问题。分别给出了有关Gaussian反对称小波的 5组空间滤波器响应系数 ,对于研究遥感影像目标兴趣算子和多源遥感影像特征检测尤为重要。由于SAR影像中“speckles”是一乘性噪声 ,文中先对原SAR影像进行对数变换得到一同态影像。基于小波变换的软域值斑点噪声抑制既在一定程度上抑制斑点噪声又保持影像细节信息。通过对两SAR影像检测实验 ,表明给出的Gaussian反对称小波类在遥感影像特征检测中效果极佳。遥感影像中同时存在阶跃型和屋脊型边缘 ,可以采用反对称小波的极大模或过零点检测提取影像边缘特征 ,但得到的结果存在局部位置偏差。

高分辨率遥感影像信息提取方法综述

感知地物信息最直接的载体就是遥感影像,从遥感影像中提取地形地物等专题信息是当前遥感技术面临的一个迫在眉睫的问题。遥感影像的空间分辨率伴随着遥感技术的飞速发展从公里级发展到厘米级,同时遥感影像所包含的信息正越来越丰富化。高空间分辨率遥感影像具有数据量极大、数据复杂以及尺度依赖的特点,使得高空间分辨率的遥感影像的数据处理以及影像信息提取具有一定的难度,面临一些急需解决的问题。文中介绍了高分辨率遥感影像信息提取的国内外研究现状和趋势,分析了几种遥感影像的分类方法,指出了面向对象的遥感影像信息提取的技术及高分辨率遥感影像的多尺度分割,并指出了国内外在遥感影像信息提取技术方面的不足和迫切需要解决的问题。

影像边界提取技术在卫星增值影像数据库中的应用

在卫星增值影像数据库中,去除背景值区域的影像真实边界数据能够显著提升空间查询及覆盖分析等操作的准确率及速度.为提高边界提取精度,研究并实现了一种基于虫随算法及Douglas-Peukcer算法的影像边界提取方法.首先识别出影像的背景像素值,然后使用虫随算法跟踪出影像边界,最后使用Douglas-Peukcer算法将边界进行抽稀.该方法已经在国产卫星增值影像数据库中进行了部署,应用结果表明,该方法能够稳定准确地提取出增值影像数据的真实边界,取得了良好的应用效果.

神经网络和知识推理结合的卫星影像分层提取方法研究

提出一种基于神经网络和知识处理的卫星影像分层提取新方法,实现了水系、公路和其他面状地物的分层智能提取。它先用神经网络和基于像元的知识后处理方法提取水系和公路等地物,再通过图像处理方法,将其从原始图像中去除,然后再用神经网络模型分割其他面状地物,统计各斑块的纹理、高程、坡度、形状等特征,采用基于斑块的不确定推理方法分类。最后实验表明新方法优于传统的神经网络方法,而且避免了知识推理方法的复杂性。

遥感影像信息提取方法研究

介绍了遥感影像信息提取的七种方法,给出遥感影像信息提取的研究方法。