多重约束下的建筑物阴影提取

在基于结构线一侧灰度统计法进行阴影检测的基础上,结合了灰度约束、几何约束、上下文约束和其他辅助信息,提出了一种多重约束下的建筑物阴影提取方法,实现了对建筑物阴影的提取,并利用IKONOS影像和航空像片进行了试验,证明该算法是有效而稳健的。

基于D-S证据理论的彩色航空影像阴影提取方法

阴影特征在影像,特别是遥感影像中具有重要的意义．本文针对彩色航空遥感影像的颜色信息进行分析,提出了表述阴影在RGB和HIS空间的三种不同特征,并利用Mean Shift分割的方法对彩色航空影像进行区域分割．选取分割后的区域,统计每个区域的多个颜色特征并定义相应的概率分配函数,利用其互补特性,使用Dempster-Shafer(D-S)证据理论中的合成法则对其进行合成,最终判别区域是阴影或非阴影．对实验图像进行阴影特征提取,取得了较好的效果．

彩色航空影像中的建筑物阴影提取

在彩色航空影像中,建筑物阴影能提供大量关于建筑物形状、位置等相关信息。提出了一种基于特性的自动提取建筑物阴影的方法,以获取彩色航空影像中建筑物阴影的形状信息。利用可分离亮度和色调的颜色模型(包括HSV、YIQ、YCbCr颜色模型)提取彩色航空影像中的建筑物阴影,并利用数学形态学处理阴影分割图像。试验结果表明该方法是行之有效的。

结合形态学和光谱特征参数的建筑物阴影提取及其高度估算

建筑物高度信息对城市景观规划设计、城市人居和生态环境评估等都具有重要作用。针对当前卫星遥感影像提取建筑物高度研究中存在精度较低、人工干预程度过多的问题,本文基于GF-2卫星遥感影像数据,综合建筑物阴影指数(EMSI)、归一化植被指数(NDVI)和地表反射率等3个参数,实现了建筑物阴影的自动化提取,进而依据空间几何学关系,实现了建筑物高度的快速估算,最后对研究结果进行了实地检验。研究表明,利用建筑物阴影指数、NDVI、地表反射率等3个参数可有效提取建筑物阴影,且利用建筑物阴影进行建筑物高度估算的平均精度达到了95.40%,证明了高分二号卫星影像在提取建筑物高度方面具有较高的可行性。

基于层次反应型agent的可见光遥感图像阴影提取

根据可见光遥感图像中阴影区域的特点,提出一种新的利用层次反应型agent的阴影区域提取方法.层次反应型agent分为底层阴影搜索agent和高层管理agent两部分.底层分布式搜索agent感知图像局部信息,通过定居、发展、迁徙、标记和死亡行为搜索可见光遥感图像中的局部阴影区域;高层管理agent感知全局信息,对底层分布式搜索agent的搜索行为进行约束和指导.实验结果表明,该方法效率较高,并且可以有效地提取可见光遥感图像中的阴影区域.

多光谱遥感影像阴影提取

以资源三号卫星多光谱影像为研究数据,通过近红外波段进行阈值分割,得到含有水体及噪声的阴影区域;然后,对初次分割结果在其余波段进行二次分割达到剔除噪声和提取阴影区域的目的;之后对原始影像进行边缘检测与提取,结果与阈值提取结果进行叠合,通过膨胀或腐蚀对阴影提取结果进行修正;最后,得到较好的阴影提取效果。

基于航空影像的建筑物阴影提取方法研究

针对航空影像仅有红绿蓝三波段,大部分卫星影像建筑物阴影提取方法不适用的问题,综合分析建筑物阴影光谱特征和建筑物几何形态特征,改进和提出了一种基于航空影像的建筑物阴影提取方法。根据建筑物阴影与其他常见地物的灰度值差异,综合利用RGB色彩空间和多波段运算构造波段转换指数BT(Bands Transformation)和阴影指数SI(Shadow Index)得到疑似建筑物阴影区域,并利用建筑物的部分几何形态特征对疑似区域进行去噪声处理得到较完整准确的结果。实验表明:提取出的建筑物阴影信息完整,边界较为清楚规则,受植被等其他地物阴影干扰较小。

基于深度学习的城市建筑物阴影提取方法

城市建筑物阴影的存在增加了基于高分影像信息提取的复杂度,影响了高分影像的行业应用。以GF-2影像为数据源,以影像覆盖的两个典型阴影区域为实验区,设计了一种基于深度学习技术的城市建筑物阴影提取方法。借助于全卷积神经网络(FCN)对图像进行语义分割,获取阴影信息,通过建立光照方向相邻对象的空间关系,去除建筑物阴影信息中的干扰项。将提取的建筑物阴影结果与面向对象方法提取的结果进行对比,在实验区1和实验区2中,DBSE提取的总体精度分别为97.5%和98.1%,面向对象的总体精度分别为96.2%和97.2%。提升精度的同时,在视觉效果上,DBSE方法在阴影完整性与真实阴影一致性,以及减少阴影错分等方面明显优于OBSE方法。

资源三号卫星高分影像的城市建筑物阴影提取

针对城市高分影像中普遍存在的建筑物阴影严重影响了高分影像的处理和应用问题,该文通过对资源三号卫星(ZY-3)各波段的影像特征进行分析,分别采用基于直方图的阈值分割法、基于主成分变换和HIS变换集成法对阴影提取并对比分析,在此基础上提出了一种基于谱间关系的阴影提取模型。实验结果表明,该文提出的方法能够较好地区分ZY-3影像中的阴影和偏蓝色地物及水体,能够准确地提取城市高大地物阴影。

高分辨率遥感影像阴影提取与恢复研究

提出了一种面向对象的遥感影像阴影提取与信息恢复方法。首先,对影像进行分割,根据影像对象灰度均值、颜色空间下的阴影指数以及与邻对象的灰度均值差来提取阴影;然后,提出一种改进的阴影信息恢复方法,既利用影像的全局信息进行灰度拉伸,又利用影像周围的局部信息对阴影区域整体灰度进行补偿。实验证明,该方法进行信息恢复后的阴影区域与周围非阴影区域有较好的亮度和色度一致性,视觉效果好。

高分辨率遥感图像中建筑物阴影的提取

在利用城区高分辨率遥感图像进行变化检测及目标提取等应用时,建筑物阴影的影响相对严重。要消除建筑物阴影的影响,就需要准确提取出建筑物的阴影。在分析了现有建筑物阴影提取方法不足的基础上,介绍了一种基于形态学重构来自动提取城区高分辨率遥感图像中的建筑物阴影的算法的原理及方法,并进行了实验。实验表明,算法能很好地去除绿化带和道路的影响,而且也能消除图像背景不均匀对结果产生的影响,提取出的建筑物阴影的大小和形状都能保持得比较好。

结合建筑物多边形的建筑物阴影优化提取

基于遥感影像的建筑物阴影提取,其提取结果易受到提取方法、遥感影像质量、建筑物空间分布、其他地物阴影等因素的影响。为提高阴影提取结果的适用性,利用U-Net网络模型初步提取建筑物阴影,之后对提取结果根据形态特征进行约束,设置一定阈值剔除明显非建筑物阴影,然后针对密集建筑物阴影粘连问题,利用太阳方位角生成平行线,结合建筑物顶部多边形边界的角点从平行线中获取裁剪线,将阴影矢量图与裁剪线叠加,切割多余阴影,可得到与建筑物一一对应的建筑物阴影。利用该方法和最大似然法分别实验,分析结果表明,该方法优化处理后的阴影结果避免了错分现象,阴影特征信息明显,阴影边界清晰,在建筑物高度提取应用方面具有更高的适用性。

一种结合阴影信息的建筑物层数识别方法

建筑物层数获取可为城市安全和灾害隐患提供数据支撑和决策服务。目前,建筑物层数往往是基于人工调研和统计为主;基于遥感影像的建筑物高度自动反演,也存在算法效率低、提取不完整、自动化程度偏低等问题。为解决这些问题,实现快速和大范围获取建筑物层数,基于GF-7卫星影像,设计、实现了一种楼层数识别的算法,在主成分分析等预处理的基础上,采用渔网法阴影线自动提取算法,并利用阴影形成的几何关系计算楼高并转换为楼层数,最终为消除阴影长度测量误差的影响,采用支持向量机回归对算法提取结果进行误差改正。以北京市朝阳区为研究区,进行模型的训练与测试;以河南省郑州市为验证区的实验结果表明,建筑物层数总体识别精度为90.21%,6~50层的建筑物层数识别误差在3层以内。研究可为基于卫星数据快速和大范围自动获取建筑物层数提供全新的技术支撑和应用服务。

基于卷积神经网络和无人机倾斜摄影图像的单个高层建筑物高度测算方法

为了提升单个高层建筑物高度测算效果,本文提出了基于卷积神经网络的无人机倾斜摄影图像的单个高层建筑物高度测算方法。首先,采用无人机倾斜摄影技术采集高层建筑物图像;然后,在卷积神经网络中输入高层建筑物图像,对其展开增强处理,提高图像的清晰度;最后,通过波段转换指数和阴影指数计算阴影长度,以此为依据测算单个高层建筑物的高度。试验结果表明,本文方法的图像增强处理效果较好、高度测算精度和效率较好。

顾及阴影信息的高分辨率遥感图像变化检测方法

阴影是遥感图像的解译标志之一,然而在利用高分辨率遥感图像对城市建筑物进行变化检测时,阴影的存在会对变化检测结果造成不利的影响。为此,提出一种顾及阴影信息的遥感图像变化检测方法。首先对遥感图像中的阴影进行提取,然后用提取的阴影补偿初始的变化检测结果以提高变化检测精度。该方法的关键在于阴影提取的准确性。在面向对象分类方法的框架下,从阴影的光谱信息和几何信息2个方面对阴影进行约束,从而较好地提取出阴影。实验证明,上述方法能够较好地解决阴影所引起的变化检测中的错判问题,有效地提高遥感图像变化检测的精度。

结合阈值分割和数学形态学的建筑物阴影检测

随着高分辨率遥感影像技术的不断发展,从高分辨率遥感数据中提取建筑物信息将会成为城市数字化的重要信息来源。建筑物阴影包含了建筑物的高度、形状及位置等信息,准确提取建筑物阴影对后续影像的处理具有重要的意义。在阈值分割和数学形态学两种算法原理的基础上,结合两种算法实现了建筑物阴影的提取及优化。试验表明,两种算法的结合能够比较准确的提取出建筑物阴影信息,排除小阴影区域的干扰,并能较好地检测出阴影的边界,保证建筑物阴影的形状和大小。

基于整体变分模型的影像阴影检测算法研究

将影像上普遍存在的阴影视为图像退化的一种特殊形式,以整体变分模型为基础,以影像上阴影区域亮度普遍较暗且较均匀、阴影区域和非阴影区域之间的反差普遍较大的特点为约束,导出了整体变分模型用于影像上阴影检测的基本算法。通过对若干幅实际影像的阴影检测实验表明,本文算法对灰度影像和彩色影像上阴影区域的检测是有效的。

基于改进的深度学习网络的SAR图像瞬时海岸线自动提取算法

针对目前合成孔径雷达(synthetic aperture radar,SAR)在对大尺度瞬时海岸线提取方面的图像解译过程中,仍然存在精度低与自动化水平差的问题,提出一种基于深度学习网络的瞬时海岸线自动提取算法。首先,将SAR图像进行Lee滤波增强来抑制相干斑。其次,通过升级残差网络为主干网络,分4级提取海水目标的特征。然后,将4级特征经过全局卷积网络、密集连接网络和解码器网络配合,充分提取目标的本质特征,并通过上采样产生海水分割结果。最后,利用Sobel算子分离出海岸线并和原SAR图像融合以便清晰查看结果。通过与全卷积网络与细化网络的海岸线提取实验结果进行对比,证明所提算法对海岸线的提取更加准确,能够减少虚警和漏警,具有更好的性能。

多时相遥感影像阴影角度精确校正仿真

为了增强遥感影像对实际拍摄区域的还原效果,提高合成影像信息的利用价值,针对当前影像阴影角度校正方法中存在的阴影区域提取不准确、补偿效果较差、角度校正过程所需时间长等问题,提出基于灰度补偿的多时相遥感影像阴影角度精确校正方法。分别计算遥感影像阴影区域的色调差值、蓝色通道与绿色通道的差值及亮度与饱和度差值,结合D-S证据理论将各差值结果融合作为颜色特征提取影像中的阴影区域。采用灰度线性变换算法对得到的阴影区域进行灰度补偿,并进行高灰度噪点滤除,实现影像阴影区域的校正与边缘平滑处理。计算阴影校正后的图像间差值与初始图像间差值,结合遥感影像设备的轨道运行参数构建阴影角度校正模型,利用模型完成影像阴影角度的精确校正。实验结果表明,所提方法阴影角度校正结果更接近真实值,校正耗时更短,具有较好的适用性。

多源数据融合的城市现状容积率快速提取研究

针对现有城市现状容积率获取过程中大多仅考虑建筑物高度反演等单一因素,缺乏整体设计,难以大范围推广与应用的问题,提出了一种多源数据融合的快速提取城市现状容积率的方法。采用面向对象技术从GF-2影像上提取建筑物阴影;结合阴影测高法、建筑物侧边线测高法反演建筑物高度,进而求取建筑层数。从天地图平台提取研究区建筑物矢量,并以GF-2影像为底图,对建筑物矢量进行更新,进而求取建筑面积。采用OSM路网数据对研究区进行地块划分,获得容积率提取的评价单元。以全站仪建筑物高度观测数据和小区实际容积率为参考,进行精度验证。结果表明:①建筑物基底面积的平均相对误差为-6%;②阴影测高法的平均相对误差为2.889%,建筑物侧边线测高法的平均相对误差为5.193%,阴影测高法精度优于建筑物侧边线测高法;③反演所得现状容积率与实际容积率相比,准确度为95.52%,证明了所提方法的可行性和可靠性。