基于平行活动围道模型的高分辨率遥感影像城区主干道路段提取

为了提取并表示高分辨率遥感影像中的主干道路段,提出了一种多分辨框架下的平行活动围道模型的算法.该算法在活动围道模型原理的基础上,重新定义各能量项:采用抛物线做为道路段的先验模型,增加了平行性能量,并采用多分辨框架下的梯度做为外部能量.该模型的优化过程实现了道路的定位,得到的结果是平行抛物线的参数,实现了道路的矢量表示.实验结果表明,能有效提取高分辨率遥感影像中的主干道路段.     

基于OB-HMAD算法和光谱特征的高分辨率遥感影像变化检测

高空间分辨率遥感影像蕴涵丰富的地物细节信息,针对高分辨率多时相遥感影像的变化检测可以更清楚认识到地理单元的变化情况,传统的遥感变化检测算法面对高分辨率遥感影像时,会出现明显的"椒盐现象"。本文借鉴面向对象图像分析的思想,以高分辨率遥感影像对象的光谱特征为分析对象,在多变量变化检测算法(multivariate alternative detection, MAD)的基础上,提出一种半自动阈值选取的OB-HMAD(object based-hybrid MAD)算法,并利用该算法进行变化检测实验对比分析。首先对高分辨率多时相遥感影像进行多尺度分割,形成多通道的影像对象;其次利用MAD变换,形成差异影像对象,并对其进行MNF变换,提高影像对象的信噪比;然后采用直方图曲率分析(histogram curvature analysis, HCA)进行半自动阈值选取,提取变化区域;最后结合实地样本数据对变化检测结果进行混淆矩阵的精度验证。结合2012年和2013年北京地区Worldview-2影像的实验可知,OB-HMAD算法融合多通道的光谱信息,可以有效的实现多时相高分影像的变化检测,基本消除了基于像元变化检测中"椒盐"现象的干扰,并在一定程度上降低建筑物阴影和几何配准误差的影响,总体精度和kappa系数也较优于其他变化检测算法,但存在较大的漏检误差。MNF变换可以有效的提高影像的信噪比,使差异信息更集中,直方图曲率分析的阈值分割算法相对其他阈值算法,自动化程度更高。     

一种稳健的道路主方向提取算法

基于高分辨遥感影像下直线型道路段的形状特征，提出了一种稳健的道路主方向提取算法．该算法基于结构张量计算的方向直方图探测初始主方向，并根据矢量化的边缘计算精确的方向角，使得探测过程稳健、结果准确．在此基础上可以发展交互式的直线道路段或道路网提取算法．实验结果表明，该算法的结果为进一步的道路边线的准确提取提供了保障．     

基于非采样Contourlet变换高分辨率遥感图像配准

为了提高高分辨率遥感图像配准的精确度,将非采样Contourlet变换应用于高分辨率遥感图像配准算法中.首先对高分辨率遥感图像进行非采样Contourlet变换.利用非采样Contourlet变换的平移不变性在变换域提取图像的边缘并选择合适的阈值准确地得到图像的边缘特征点.然后利用归一化互相关匹配法和概率支撑法对特征点进行匹配.最后通过三角形局部变换映射甬数实现图像配准.实验结果表明,该方法更能准确地提取高分辨率遥感图像的特征点,大大提高了正确匹配的概率,与基于小波方法的图像配准效果相比有更高的准确性和稳健性.     

基于局部方向编码的遥感影像平行边缘识别

针对高分辨率遥感图像中道路、建筑物和水域等的特征识别难题,提出了一种基于边缘局部方向信息的平行边缘自动识别算法。该算法首先定义平行边缘由一系列相互平行的短直线组成;然后提出了交叉点共线约束的8-邻域边界追踪和9-像素滑动窗口内直线检测算法,实现了边缘连续线条局部方向信息编码;最后通过分析连续线条结构及方向编码规律,提出了主元分析及方向一致性判别准则进行平行特征识别。实验结果表明,该算法能够有效提取高分辨率遥感图像中具有最近邻关系的平行直线和曲线特征,平均识别准确率在95%以上,但算法执行速度有待提高。     

一种基于中性集和均值漂移的彩色遥感图像非监督建筑物提取方法

建筑物的纹理和光谱信息的多样性一直是自动化识别的瓶颈。针对此问题,提出了一种彩色遥感图像建筑物提取方法,该算法结合中性集和均值漂移,对转换到中性集空间的影像进行均值漂移分割,生成以影像中主要地物类型为核心的光谱类别图像,提取建筑物。通过中性集空间的增强及分割,克服了传统均值漂移分割稳定性低、光谱不连续及信息混杂的缺陷,避免了地物识别前提取连通区等操作。实验证明,提出的算法可以简捷、完整、准确、稳定地提取建筑物,满足高分辨率遥感影像建筑物的提取要求。     

基于线特征的城区激光点云与影像自动配准

鉴于激光点云和影像数据成像机理的差异以及现有配准基元的可获取性特点,通常采用基于特征的配准算法修正两者之间的转换关系,其中建筑物的边缘及角点为最常用的特征。针对城区建筑物分布密集、形状相似的问题,提出了一种基于道路线的机载激光雷达数据和高分辨率航空影像自动配准方法。该方法充分利用点云数据提供的高程与强度信息,提取出高精度的规则化道路矢量线;根据初始外方位元素建立点云数据和航空影像的近似变换关系,以道路矢量线在航空影像的投影位置为先验知识,采用改进的道路矩形整体匹配算法得到影像中的道路中心线,获取同名线特征;以同名道路线段的首末端点作为控制信息,利用基于欧拉角的空间后方交会算法解算新的影像外方位元素,实现航空影像和激光雷达数据的配准。实验结果表明,该方法利用道路特征实现航空影像与激光雷达点云的配准,提取特征少且配准精度较高,大大提高了工作效率。     

基于深度学习的高分辨率遥感影像分类研究

针对高空间分辨率遥感影像的分类问题,提出了基于深度学习的分类方法。该方法通过非下采样轮廓波变换计算影像的纹理特征,利用深度学习的常用模型—深度信念网络(DBN)对高分辨率遥感影像进行了基于光谱-纹理特征的分类,并与基于单源光谱信息的DBN分类方法、支持向量机(SVM)分类方法、传统神经网络(NN)分类方法进行了比较分析。研究结果表明:相对于单源光谱信息,利用影像的光谱-纹理特征能够有效提高高分辨率遥感影像的分类精度;相对于SVM、NN等分类方法,DBN能够更加准确地挖掘高分辨率遥感影像的空间分布规律,提高分类的准确度。     

光谱特征分析的城市道路提取

道路是城市中典型的人造地物。利用高分辨率影像进行城市道路提取,对城市规划、交通发展具有重要意义。由于地物光谱的混淆性和异质性,利用传统基于光谱的分类方法很难将道路与其他城市地物区分开。针对这一问题,提出了一种利用道路边缘结构信息进行分类的方法,边缘作为光谱衍生信息对线性地物(如,道路等)识别具有明显的意义。首先,根据全色光谱波段纹理信息,利用改进的自适应Mean Shift算法进行边缘检测,最大限度减少噪声与伪边缘;然后,对边缘图像中的线段进行编组,利用统计模型依次对边缘线段求取统计特征,并将该统计特征与多光谱特征结合作为总分类特征;最后,利用监督学习方法对城市道路样本进行学习并对整个实验区域进行分类。结果表明将光谱信息与边缘统计特征融合对道路的识别精度为93%,相比传统方法78%的精度有显著的提高,因此,该方法是一种有效、可行的高分辨率遥感图像城市道路提取方法。     

一种空间自适应的多光谱遥感影像端元提取方法

针对现行的凸锥体分析方法提取多光谱影像端元数目的有限性,提出了基于空间全局聚类分析的多光谱遥感影像端元自适应提取方法。该方法首先通过主成分分析对多光谱遥感影像进行降维处理,去除波段间的相关性;然后根据空间光谱间相似性,采用经典的空间聚类算法ISODATA对影像全局聚类,合并聚类后小斑块,实现影像自动分块;最后根据分块对象地物类型分布的复杂程度和散点图特征分析,自适应确定端元数目,再通过沙漏算法迅速地提取端元。通过TM影像端元提取实验表明该方法能够有效的提取多光谱影像的端元;同时克服了端元数目限制,提高了端元提取的精度,为多光谱遥感影像端元提取提供了新思路。     

基于特征提取和脉冲耦合神经网络的图像融合算法

为了提高目标检测的准确度和精确度,提出了一种新的基于特征提取和脉冲耦合神经网络(Pulse-coupled neural network,PCNN)模型的融合算法。该算法的原理是:首先对原图像进行特征提取,然后分别建立基于处理后的图像及原图像的PCNN。融合的作用是通过PCNN的链接输入得以体现的。融合图像综合了各个侧重于原图像不同特征的滤波器的选择性。仿真结果证明,所提出的算法在增加图像目标的可识别程度方面效果明显。     

基于YOLOv3框架的高分辨电镜图像原子峰位置检测

高分辨电镜图像中原子峰位置的检测具有十分重要的现实意义,通过精确定量化原子峰位置可以分析物质在微观尺度上的结构形变、电极化矢量分布等重要信息.近年来深度学习技术在图像目标检测领域取得了巨大突破,这一技术可用在高分辨电镜图像处理上,因为原子位置的检测可以看作是一个目标检测问题.本文利用先进的机器学习方法,通过制作高质量原子图像样本集,使用YOLOv3目标识别框架对原子图像进行自动检测,达到预期效果,实现了深度学习技术在高分辨电镜图像处理领域的应用.该方法的运用有望突破自动处理动态、大量电镜图片的瓶颈问题.     

An adaptive super-resolution method based on regional pixel information and ringing artifacts suppression

Multi-frame image super-resolution (SR) aims to utilize information from a set of low-resolution (LR) images to compose a high-resolution (HR) one. In this paper, a novel multi-frame image super-resolution algorithm is proposed based on regional pixel information and ringing artifacts suppression. Firstly, a new regularization term which adopts Regional Adaptive Weight Coefficients (RAWC) is produced to keep edges and flat regions. After detailed analysis, an iterative process is given for image reconstruction. Then an adaptive term according to the local variance of iterative correction image is designed to evaluate the ringing artifacts. Finally, the original iteration is updated by adding the restraint term for better visual effects and lower noise of reconstructive HR image. Thorough experimental results show the proposed algorithm is effective for SR reconstruction and ringing artifacts suppression.     

Advanced Driving Assistance Based on the Fusion of Infrared and Visible Images

Obtaining key and rich visual information under sophisticated road conditions is one of the key requirements for advanced driving assistance. In this paper, a newfangled end-to-end model is proposed for advanced driving assistance based on the fusion of infrared and visible images, termed as FusionADA. In our model, we are committed to extracting and fusing the optimal texture details and salient thermal targets from the source images. To achieve this goal, our model constitutes an adversarial framework between the generator and the discriminator. Specifically, the generator aims to generate a fused image with basic intensity information together with the optimal texture details from source images, while the discriminator aims to force the fused image to restore the salient thermal targets from the source infrared image. In addition, our FusionADA is a fully end-to-end model, solving the issues of manually designing complicated activity level measurements and fusion rules existing in traditional methods. Qualitative and quantitative experiments on publicly available datasets RoadScene and TNO demonstrate the superiority of our FusionADA over the state-of-the-art approaches.     

Microstructure characterization of granular materials

This paper presents techniques and algorithms to compute microstructure properties of irregular-shaped granulate assemblies utilizing 3D images. The techniques are capable of extracting microstructure properties of particles such as centeroid, particle size distribution, shape indices (i.e., sphericiy and angularity), number of contacts (i.e., distribution of coordination numbers), contact network, packing efficiency, distribution of local void ratio and radial distribution function. Such properties are critical parameters for micromechanical-based numerical models to capture micro- and macromechanical behavior of geomaterials. X-ray microtomography was used to reconstruct high-resolution 3D image of a natural sand system to represent granular materials. Microstructure properties of the sand system were computed and compared with properties of a computer-simulated image of periodic random spheres. Findings indicate that the use of simplified systems of idealized spheres to model micro- and macromechanical behavior of granular systems can lead to inaccurate results due to the differences in the microstructure between both systems. Methods presented in this paper enabled capturing a more realistic microstructure that can be incorporated in micromechanical models to better simulate, understand, or explain macroscale behavior of granular materials based on their actual microstructure.     

Robustness Design for CNN Templates with Performance of Extracting Closed Domain

The cellular neural/nonlinear network (CNN) is a powerful tool for image and video signal processing, robotic and biological visions. This paper introduces a kind of CNNs with performance of extracting closed domains in binary images, and gives a general method for designing templates of such a kind of CNNs. One theorem provides parameter inequalities for determining parameter intervals for implementing prescribed image processing functions, respectively. Examples for extracting closed domains in binary scale images are given.     

基于单层感知器的彩色图像目标提取方法

针对复杂背号下的彩色图像的目标提取,提出了一种基于单层感知器的目标提取方法。通过建立以颜色分量为输入、阈值型函数为输出的单层感知器网络并训练得到最适权重,实现彩色图像的目标与背景分离。与现有主流目标提取算法进行对比实验,结果表明,该方法能够更加准确、有效地分离目标和背景,且方法适用范围广,实现简单。