红外偏振和光强图像差异特征分类树的构建

红外偏振和光强图像差异特征分类是融合算法随着差异特征类型的变化而自适应变化的前提。构建了差异特征分类树,以此实现差异特征分类。首先分析红外偏振和光强成像的差异特性,依据其成像差异特性构建分类树第1层差异的类别;然后对多组图像统计并描述第1层差异类别下的各差异信息,依据统计结果构建第2层差异的类别;最后提取红外偏振和光强图像的差异特征,将其按照差异特征分类树进行分类。实验表明,所建立的差异特征分类树可将红外偏振和光强图像的差异特征分类。

基于多分类器的C5.0决策树植被分类方法

针对光谱角制图(SAM)和最大似然(MLC)分类器对AVIRIS高光谱遥感图像进行植被分类精度均不高的问题,提出了一种基于多分类器的C5.0决策树植被分类方法。首先,利用支持向量机(SVM),进行核函数以及核函数参数选择,提取出AVIRIS高光谱图像中的植被信息。其次,利用C5.0算法将光谱角制图和最大似然分类器组合,作为决策树的特征属性,学习样本训练并生成分类规则;根据C5.0算法计算植被样本中对应分类器的信息增益率,选择信息增益率最大的属性去分类样本;当叶样本的分类结果满足停止生长的阈值,输出样本分类的结果,否则,回到开始,递归调用以上方法继续分类叶样本,直到所有子集仅包含一个植被类别的样本完成决策。实验结果表明,与光谱角制图和最大似然分类器相比,本文提出的方法整体精度分别提高了6.04%、2.92%,不仅证实了多分类器组合的可行性和有效性,而且更加适用于AVIRIS高光谱图像中的植被调查。

楔环贫点阵探测器图像的形状恢复方法(英文)

新型楔环贫点阵光电探测器有利于微小型视觉系统的实现,然而它采集的图像分辨率极低,不能反映与目标外在形状相同或相近的特征。为了使该探测器及其图像能够应用于目标识别,提出一种独特的形状恢复方法。以楔环中心为原点旋转探测器,获取一系列原始低分辨率图像,通过最小二乘线性插值对目标形状进行初步恢复,利用嵌入边缘指示函数的两级水平集演化算法去除图像噪声,可得到最终的高质量的目标形状。实验表明,文中提出的形状恢复方法行之有效,形状恢复率达95%。

一种类矩形引导的玉米田遥感图像分割算法

在覆盖玉米田的遥感图像中,玉米地块边缘区域存在大量的同物异谱现象,利用传统分割方法进行玉米地块分割时,会造成边缘出现许多非玉米小块区域,因而导致玉米种植面积统计错误。根据大面积玉米种植区域的形状分布特点,提出一种类矩形引导的玉米田种植区分割方法。首先采用最小核值相似区(smallest univale segment assimilating nucleus,SUSAN)边缘检测算子对融合后的高分一号(GF-1)卫星遥感图像进行边缘提取,然后根据闭合区域与外接类矩形的关系构建类矩形引导的相关函数,最后将类矩形阈值函数引入基于图的分割算法中实现特定形状的地块分割。将分割结果分别与基于图的分割方法、分水岭分割方法和人工解译样本进行实验比较,结果表明:本文方法能有效地分割出玉米田目标,减少了同物异谱带来的影响,分割结果更加符合玉米田实际分布特征和实际统计面积。

基于正态DS证据理论的机载LIDAR数据地物分类方法

针对现有方法无法满足机载激光扫描与测距系统(LIDAR)数据地物分类时对算法精度和速度需求的问题,提出了一种基于非下采样剪切波(NSST)和正态DS证据理论的LIDAR数据快速地物分类方法。首先,利用NSST对LIDAR数据源图像进行多尺度分解,对得到的各层高频图像进行中值滤波处理,并进行逆变换合成。其次,构建正态概率分配函数及模糊类别,对LIDAR数据进行信任分配,并进行合成与决策。实验证实,该方法的分类精度达到86.12%,运行时间仅为0.46 s,在保证快速的基础上有效地提高了分类算法的精度。

一种定位人脸部特征的光学聚类方法

人脸识别技术需要对脸部特征进行定位,从而有助于确保图像一致和建立人脸模型。提出了一种新的脸部特征定位方法,通过Gabor滤波器处理得到人脸图像的强度响应,其中,脸部特征表现为强响应,而其他部分表现为弱响应,如面颊和额头。通过保留强响应以及过滤弱响应,可以获得属于脸部特征的所有像素点。采用了聚类算法——k均值算法将不同的像素点分配到不同的簇里面,每一个簇都代表一个脸部特征。通过在ORL人脸数据库上的测试表明:此方法能精确、快速地定位诸如眼睛、鼻子、嘴等脸部特征。此外,此方法能够在有浓密胡须的对象上成功定位脸部特征,表现出较高的鲁棒性。

一种农田作物无人机遥感影像阴影检测算法

针对现有阴影检测算法在复杂农田场景下难以提取不规则、碎片化阴影的问题,提出了一种农田作物无人机遥感影像阴影检测算法。结合无人机影像的阴影/非阴影区颜色特性,构造基于双通道差值和G波段增强的新型灰度变换方法,使用最大类间方差法对灰度图进行自动阈值分割,从而获取阴影检测结果。以本团队在国家玉米产业技术体系试验示范基地采集的数据进行实验,结果表明,所提方法检测结果更接近真实阴影,平均总体精度为0.986 8,平均F_(1)分数为0.956 7。

不确定性理论在激光雷达数据地物分类方面的应用研究进展

激光扫描与测距(LIDAR)数据地物分类是近年来测绘及相关领域内的研究热点。由于数据获取、传输以及激光本身特性的影响,使得LIDAR数据与地物信息的对应关系存在不确定性,而不确定性理论在处理数据不确定方面扮演着十分重要的角色。综合论述了近年来常用的LIDAR数据地物分类的特征及其特性、地物分类的应用领域以及国内外利用不确定性理论进行LIDAR数据地物分类的方法,并分析其优缺点,最后给出了总结与展望。

基于激光雷达数据阴影处理和图像融合的地物分类方法

城市可见光图像中高大的建筑和树木造成的阴影及部分树木区域出现的颜色失真问题使得传统的颜色量化方法不能准确描述地物谱差异,最终导致分类精度下降。针对可见光图像中的阴影和颜色失真问题提出了一种改进办法:第一阶段针对阴影导致的被掩盖区域谱信息缺失问题,对阴影区域进行采样、分析,通过双阈值提取阴影区域并以面向对象分类方法获得绿色区域阴影。第二阶段通过融合树木区域在多源信息[激光雷达强度、多次回波的数字表面模型(DSM)]中的差异特征,剔除冗余,获取准确的树木区域,弥补颜色失真使得树木区域提取不完全的缺陷。实验结果与人工获取的真实数据对比显示,该方法与传统的Dempster-Shafer(D-S)证据理论融合方法相比,分类精度有了明显的提高。

基于多光谱数据指导的偏度平衡点云滤波

针对现有激光雷达(LiDAR)点云滤波方法无法有效排除数字表面模型(DSM)中数据空洞干扰的问题,提出了基于多光谱数据指导的偏度平衡点云滤波方法。该方法将多光谱数据引入点云滤波并将其作为引导图像,实现了与噪声点光谱相似点的快速去噪。实验结果表明,该方法有效排除了数据空洞对点云滤波造成的干扰,所得到的滤波误差与原有偏度平衡点云滤波方法相比减少了0.4%~0.8%;与目前流行的基于支持向量机(SVM)的滤波算法相比,该方法的误差减少了0.1%~0.4%。

基于LiDAR数据和正射影像的城区树木提取方法

基于多源遥感数据的城市树木提取方法对城市资源调查、健康状况评价及科学化管理具有重要意义。为了进一步提升树木提取精度,结合了激光雷达数据和正射影像数据的优势,提出了一种基于特征自动分割的树木提取算法。该算法对阴影区域进行识别提取,结合直方图减法思想,利用归一化差异植被指数(NDVI)和数字表面模型(DSM)局部熵特征之间的相互关系降低背景提取阈值。最后应用ISPRS Vaihingen数据集对所提算法进行验证,实验结果表明,所提算法在多组数据上具有较高的树木提取精度,具有一定的鲁棒性,适用于复杂环境场合。