基于背景迭代搜索的高分辨遥感图像汽车检测

提出了一种基于高分辨率卫星遥感图像检测汽车的新方法——背景迭代搜索(Background Iterative Search,BIS)算法。该算法首先利用背景与目标的局部差异,用距离作为判别准则逐步迭代搜索并去除背景,根据汽车的物质特性初步检测汽车;然后采用动态双峰阈值分割方法,利用全局信息把道路和非道路分开,并根据形状特征粗略提取道路;最后利用道路信息约束初步检测的汽车,得到最终的汽车检测结果。通过使用IKONOS和QuickBird卫星遥感数据进行实验,验证了BIS算法的有效性。

利用空间连续性进行高分辨率遥感影像道路提取

常规道路提取方法需要初始信息,对窄道路提取效果不佳。针对这一问题,提出了基于空间连续性提取道路的算法模型(RESC)。该方法根据遥感影像道路连续分布的特点,利用邻近像元空间自相关的先验信息提取道路,不要求预先提供种子点,自动化程度较高。实验分析和比较证明,该方法对于高分辨率遥感多光谱影像和全色影像,都达到了较好的效果。

一种基于分割的机载LiDAR点云数据滤波

针对当前滤波算法在处理地形不连续区域或存在复杂建筑物区域时容易过分"腐蚀"地形并难以去除一些低矮植被的不足,提出了一种基于分割的机载LiDAR点云滤波算法。首先,对原始点云基于地表连续性进行分割;然后,在移除点数目较小的粗差点集之后采用对分割点集建立缓冲区的方法,区分地面和非地面点集;在较大地物经过迭代分割基本移除之后,使用约束平面的方法移除高度较小的地表附着物以实现滤波。实验结果表明,与经典滤波算法相比,该算法提高了地面点的分类精度,在滤除地物信息的同时能有效地保留地形特征。

利用波谱分析进行SPOT影像自然色模拟的方法

常规线性合成方法对波段之间关系的描述过于简单,难以产生高度真实感的SPOT自然色影像。针对这个问题,提出了利用波谱分析的SPOT自然色模拟方法。该方法解决了波谱库波谱与像元波谱的尺度转换问题,利用BP神经网络对波谱库中的地物波谱进行学习和分析,拟合波谱库波段间的非线性关系,然后利用这样的非线性关系模拟SPOT蓝波段,从而得到SPOT近自然色影像。实验结果表明,该方法得到的SPOT近自然色影像无论是视觉效果还是波谱信息均优于常规的波段合成方法。