基于TM圖像的人工建筑物信息提取方法探討
格式:pdf
大?。?span id="55n55hh" class="single-tag-height" data-v-09d85783>408KB
頁數(shù):3P
人氣 :60
4.5
通過對福州市TM圖像資料進(jìn)行幾何校正和不同的增強處理 ,以監(jiān)督分類和非監(jiān)督分類兩種方法提取人工建筑物信息 ,并與目視解譯相比較。結(jié)果表明利用計算機進(jìn)行自動分類在人工建筑物信息提取中也能取得好的效果。
ASTER高光譜影像在地面人工建筑物信息提取中的應(yīng)用
格式:pdf
大?。?span id="xpf7l7d" class="single-tag-height" data-v-09d85783>604KB
頁數(shù):4P
aster(高級空間熱輻射熱反射探測儀)是高光譜遙感影像時代到來的標(biāo)志,高光譜遙感與一般遙感影像相比能為對地觀測提供更高質(zhì)量的信息源.以福州市的一景aster影像數(shù)據(jù)進(jìn)行主成分分析及波段運算,然后進(jìn)行非監(jiān)督自動分類,結(jié)果表明能較好地提取地面的人工建筑物信息.該結(jié)果可服務(wù)于城市規(guī)劃和城市環(huán)境評價中.
ASTER高光譜影像提取地面人工建筑物信息的應(yīng)用
格式:pdf
大?。?span id="5lv5rjt" class="single-tag-height" data-v-09d85783>242KB
頁數(shù):4P
高級星載熱輻射熱反射探測儀(aster)為對地觀測提供更高質(zhì)量的信息源。本文對福州市aster影像數(shù)據(jù)進(jìn)行了主成分分析、波段運算和自動分類,結(jié)果表明其能較好地提取地面的人工建筑物信息。
基于L型結(jié)構(gòu)中心線的SAR圖像建筑物提取方法
格式:pdf
大?。?span id="b7jlvhr" class="single-tag-height" data-v-09d85783>222KB
頁數(shù):4P
4.8
針對在高分辨率sar圖像上具有明顯l型結(jié)構(gòu)高亮特征的建筑物目標(biāo),提出了一種提取高分辨率sar圖像建筑物l型結(jié)構(gòu)中心線,并進(jìn)而提取建筑物幾何信息的方法。運用基于gabor紋理特征和模糊c均值的方法對sar圖像進(jìn)行分割,再結(jié)合骨架提取、骨架跟蹤、最小外接矩形提取、最小二乘準(zhǔn)則等技術(shù)實現(xiàn)了l型結(jié)構(gòu)中心線的提取,最后利用中心線獲取了建筑物的長度、寬度和方位角信息?;跈C載sar圖像的實驗表明,利用提出的方法從sar圖像提取的建筑物幾何結(jié)構(gòu)和方位信息具有較高的精度。
利用高分辨率遙感圖像提取建筑物陰影信息初探
格式:pdf
大?。?span id="7dxzbll" class="single-tag-height" data-v-09d85783>627KB
頁數(shù):5P
4.6
首先對上海市中心城區(qū)遙感影像建庫,把眾多的遙感影像數(shù)據(jù)組織起來,以方便管理和使用.在此基礎(chǔ)上,利用gis和rs技術(shù),對遙感數(shù)據(jù)解譯處理,提取建筑物陰影信息,從而為估算建筑物高度值作準(zhǔn)備.
結(jié)合變差紋理特征的極化SAR建筑物震害信息提取
格式:pdf
大?。?span id="lttlt75" class="single-tag-height" data-v-09d85783>10.2MB
頁數(shù):11P
4.4
快速評估建筑物地震災(zāi)害信息對地震應(yīng)急救援工作有著指導(dǎo)意義;而極化sar具有全天候、全天時的特點;因此利用極化sar圖像提取震害信息已逐漸成為研究熱點;雖然極化sar具有豐富的極化信息;但其紋理信息不可忽略;尤其是完好的人工建筑物在圖像上呈現(xiàn)規(guī)則的紋理特征;而倒塌建筑區(qū)域紋理分布雜亂;因此結(jié)合紋理信息也可以很好地提取建筑物信息;以2010年玉樹地區(qū)的全極化sar數(shù)據(jù)為研究對象;首先;利用yamaguchi分解的體散射分量pv提取了sar圖像中的建筑物區(qū)域以及道路、水系等非建筑物信息;在此基礎(chǔ)上;對相干散射矩陣t11分量中倒塌建筑物、完好建筑區(qū)域進(jìn)行變差計算;根據(jù)變差曲線確定變程a后;再對建筑物區(qū)域采取窗口m*m(m=3*a)進(jìn)行變差計算得到變差紋理信息;最后利用fcm算法對變差紋理信息分別提取完好建筑物和倒塌建筑物區(qū)域;為了對比分析;文章利用yamaguchi分解的二次散射分量pd提取完好建筑物區(qū)域;與震后光學(xué)遙感圖像對應(yīng)樣本點進(jìn)行人工驗證;得到完好建筑物的提取精度為80.18%;倒塌建筑物的提取精度為84.54%;道路水系的提取精度為77.58%;
高分辨率影像建筑物提取方法對比
格式:pdf
大?。?span id="lv7pp77" class="single-tag-height" data-v-09d85783>1.1MB
頁數(shù):2P
4.6
與傳統(tǒng)的信息提取方法相比;將機器學(xué)習(xí)算法應(yīng)用到遙感影像信息提取中;可以提高結(jié)果的精度;文章以worldview-2遙感影像為例;首先利用多尺度分割選取最優(yōu)分割尺度;獲得影像對象;在基于對象的基礎(chǔ)上利用特征空間優(yōu)選工具獲得最優(yōu)特征子集;最后利用j48算法、隨機森林算法對建筑物提取的效果進(jìn)行分析;實驗結(jié)果表明:j48算法在高分辨率影像建筑物提取中有更好地效果;
從TM影像中提取城鎮(zhèn)建筑覆蓋區(qū)專題信息的改進(jìn)方法
格式:pdf
大?。?span id="d5b5vf7" class="single-tag-height" data-v-09d85783>288KB
頁數(shù):4P
4.5
選用tm影像作為城鎮(zhèn)建筑覆蓋區(qū)專題信息提取的數(shù)據(jù)源,在bayes的最大似然法半自動提取城鎮(zhèn)專題信息和建筑指數(shù)法自動提取城鎮(zhèn)專題信息分類方法的基礎(chǔ)上,通過二值邏輯演算,綜合兩種方法的分類結(jié)果,去掉不屬于城鎮(zhèn)的信息,得到真正的城鎮(zhèn)建筑覆蓋區(qū)專題信息。實驗結(jié)果表明,改進(jìn)后的分類方法,兼有自動與半自動的優(yōu)點,其分類精度大大提高。特別是對于短期變化(如防洪區(qū))較大、面積較大而復(fù)雜的研究區(qū)來說,這一方法的應(yīng)用彌補了單一分類方法的不足
一種新型的航空圖像城區(qū)建筑物自動提取方法
格式:pdf
大?。?span id="jjdxzrt" class="single-tag-height" data-v-09d85783>526KB
頁數(shù):8P
4.5
提出了一種新的從航空城區(qū)圖像中自動提取矩形建筑物的方法.該方法基于從航空城區(qū)圖像中提取的邊緣,經(jīng)過輪廓跟蹤,采用splitting方法提取直線,得出其相應(yīng)的直線幾何圖形;針對航空圖像的復(fù)雜及現(xiàn)有邊緣檢測算法的不足,提出了一系列直線處理的方法(如直線的分類、排序、合并、調(diào)整等)有效地彌補了前述處理的不足;為提高矩形房屋提取的準(zhǔn)確率,引入知識定義了幾種近似的矩形結(jié)構(gòu).文章采用幾何結(jié)構(gòu)元分析的方法,提取圖形中構(gòu)成矩形的各種基本結(jié)構(gòu)元,再根據(jù)結(jié)構(gòu)元合并的準(zhǔn)則,將各種基本結(jié)構(gòu)元通過一定的合并算法合并成矩形結(jié)構(gòu).大量試驗結(jié)果證明該方法提取矩形房屋的準(zhǔn)確率較高,魯棒性好,運算速度快,具有較強的實際應(yīng)用價值
基于高分辨率遙感影像的建筑物輪廓信息提取
格式:pdf
大?。?span id="jf7nxhh" class="single-tag-height" data-v-09d85783>1.0MB
頁數(shù):5P
4.4
針對許多領(lǐng)域?qū)ㄖ镄畔⒏碌钠惹幸?提出并發(fā)展了一套完整的基于高分辨率遙感影像的建筑物二維輪廓快速提取流程。首先介紹一種利用數(shù)學(xué)形態(tài)學(xué)理論進(jìn)行邊緣檢測和邊緣連接的新方法,然后利用了模式識別和圖像分析領(lǐng)域的相關(guān)技術(shù)(區(qū)域標(biāo)識和特征量測等)進(jìn)行建筑物二維信息的提取。最后通過quickbird影像進(jìn)行了方法驗證,試驗證明該流程可以快速有效的提取建筑物輪廓信息。
基于車載激光測距的建筑物立面信息提取
格式:pdf
大?。?span id="5zrb7nn" class="single-tag-height" data-v-09d85783>692KB
頁數(shù):4P
4.6
采用車載激光掃描儀等多傳感器進(jìn)行動態(tài)測量,各種傳感器進(jìn)行同步數(shù)據(jù)采集。針對激光掃描儀應(yīng)用于建筑物立面提取的問題,分析了激光掃描儀數(shù)據(jù)的特征,建立了建筑物高度提取模型,并開發(fā)了相應(yīng)的立面信息提取系統(tǒng)。
一種InSAR建筑物圖像仿真及高程反演方法
格式:pdf
大?。?span id="vlfpjzr" class="single-tag-height" data-v-09d85783>1.3MB
頁數(shù):13P
4.3
城市建筑區(qū)域疊掩、陰影嚴(yán)重;圖像理解困難且干涉相位變化復(fù)雜紊亂;一直是insar處理的困難區(qū)域;sar圖像仿真能為圖像理解和處理方法研究提供數(shù)據(jù)支撐;然而現(xiàn)有建筑區(qū)域sar圖像仿真方法大多無法獲得具有相干性的干涉sar圖像對;該文提出了一種面向建筑區(qū)域的干涉sar復(fù)圖像對仿真方法;能夠獲得建筑的復(fù)數(shù)圖像對、干涉相位圖以及疊掩成分?jǐn)?shù)目等信息;為城區(qū)干涉sar處理及信息提取研究提供仿真數(shù)據(jù)支撐;同時;基于仿真中對相位變化規(guī)律的分析;提出疊掩區(qū)相位解纏時的基準(zhǔn)確定方法;解決傳統(tǒng)解纏方法面臨的疊掩區(qū)域干涉相位不連續(xù)問題;進(jìn)而反演建筑高程信息;最后;通過建模仿真結(jié)果與實際sar圖像和干涉相位的對比;驗證了仿真方法的正確性;并對仿真及實際干涉相位進(jìn)行解纏和高程反演處理;驗證了該文高程反演方法的有效性;
基于數(shù)字圖像處理技術(shù)的LiDAR數(shù)據(jù)建筑物提取
格式:pdf
大?。?span id="5p57tdd" class="single-tag-height" data-v-09d85783>1.7MB
頁數(shù):3P
4.6
基于數(shù)字圖像處理技術(shù)的LiDAR數(shù)據(jù)建筑物提取
基于對象建模的遙感影像建筑物提取方法
格式:pdf
大?。?span id="jjjjppz" class="single-tag-height" data-v-09d85783>822KB
頁數(shù):5P
4.3
研究城鎮(zhèn)建筑物的提取是遙感影像分析應(yīng)用中的一項重要內(nèi)容。遙感影像建筑物結(jié)構(gòu)和光譜的多樣性,使結(jié)構(gòu)、光譜等特征的建筑物提取變得極其復(fù)雜。根據(jù)遙感影像的建筑物紋理區(qū)別于其它空間對象紋理的特點,為提高影像分辨率,提出gabor紋理塊的遙感影像對象模型方法應(yīng)用于遙感影像城鎮(zhèn)建筑物的提取。以整個城鎮(zhèn)為對象,以建筑物、道路、綠地等不同城鎮(zhèn)區(qū)域為組成對象的紋理塊,建立基于紋理塊的對象模型,利用模型進(jìn)行遙感影像對象的紋理標(biāo)定,最終提取出城鎮(zhèn)建筑物。實驗結(jié)果表明方法克服了建筑物結(jié)構(gòu)復(fù)雜性和多樣性以及背景環(huán)境的影響,能很好地從城鎮(zhèn)遙感影像中提取建筑物。
基于Landsat TM數(shù)據(jù)的建筑用地信息提取及變化分析
格式:pdf
大?。?span id="nfpbv75" class="single-tag-height" data-v-09d85783>382KB
頁數(shù):6P
4.6
為了從landsattm數(shù)據(jù)中精確提取建筑用地信息并分析建筑用地信息隨時間的變化特征,運用壓縮數(shù)據(jù)維的方法,通過構(gòu)建增強型建筑用地指數(shù)eibi實現(xiàn)了對landsattm影像建筑用地的提取.實驗結(jié)果表明:此方法對天津市2005年和2010年landsattm影像的提取精度達(dá)到89.66%和91.47%.基于分類計算結(jié)果可知,與2005年相比,2010年天津市新增建筑用地面積1064.35km~2,年均凈增長率為11.17%.
利用IKONOS衛(wèi)星圖像陰影提取城市建筑物高度信息
格式:pdf
大小:374KB
頁數(shù):3P
4.7
在分析ikonos衛(wèi)星圖像上建筑物陰影與實際高度關(guān)系的基礎(chǔ)上,闡述了估算城市建筑物高度的原理和方法,并在以北京市中關(guān)村、天壇公園和北海公園為例的試驗中,較為準(zhǔn)確地得到了建筑物高度信息,從而顯示出衛(wèi)星遙感在城市園林規(guī)劃與環(huán)境數(shù)值模擬等方面應(yīng)用的巨大潛力。
基于Landsat TM數(shù)據(jù)的建筑用地信息提取及變化分析
格式:pdf
大小:402KB
頁數(shù):6P
4.5
為了從landsattm數(shù)據(jù)中精確提取建筑用地信息并分析建筑用地信息隨時間的變化特征,運用壓縮數(shù)據(jù)維的方法,通過構(gòu)建增強型建筑用地指數(shù)eibi實現(xiàn)了對landsattm影像建筑用地的提取.實驗結(jié)果表明:此方法對天津市2005年和2010年landsattm影像的提取精度達(dá)到89.66%和91.47%.基于分類計算結(jié)果可知,與2005年相比,2010年天津市新增建筑用地面積1064.35km~2,年均凈增長率為11.17%.
基于Landsat TM數(shù)據(jù)的建筑用地信息提取及變化分析
格式:pdf
大小:1.8MB
頁數(shù):6P
4.6
為了從landsattm數(shù)據(jù)中精確提取建筑用地信息并分析建筑用地信息隨時間的變化特征,運用壓縮數(shù)據(jù)維的方法,通過構(gòu)建增強型建筑用地指數(shù)eibi實現(xiàn)了對landsattm影像建筑用地的提取實驗結(jié)果表明:此方法對天津市2005年和2010年landsattm影像的提取精度達(dá)到89.66%和91.47%.基于分類計算結(jié)果可知,與2005年相比,2010年天津市新增建筑用地面積1064.35km2,年均凈增長率為11.17%.
基于TM影像的哈爾濱老城區(qū)城市綠地信息提取研究
格式:pdf
大小:919KB
頁數(shù):4P
4.4
基于tm影像的哈爾濱老城區(qū)城市綠地信息提取研究 陳春林劉繼生韓陽陳紅 摘要!運用遙感信息技術(shù),在tm影像中對哈爾濱2003年老城區(qū)的城市綠地進(jìn)行信息提取,通過四種綠地信息提取方案 (彩色合成法、ndvi計算、rdvi計算、t-c變換)中的比較,得出彩色合成法中的tm1、3、4波段合成的方案對于哈 爾濱市綠地信息的提取,可以得到比較理想的結(jié)果,效果較好。 關(guān)鍵詞!tm影像;城市綠地;彩色合成法 基金項目!本文為中央高?;究蒲袠I(yè)務(wù)費專項資金資助項目,東北師范大學(xué)研究生創(chuàng)新基金項目(09ssxt135)研究成果。 作者簡介!陳春林(1982~),男,吉林長春人;東北師范大學(xué)城市與環(huán)境科學(xué)學(xué)院博士研究生 劉繼生、韓陽,東北師范大學(xué)城市與環(huán)境科學(xué)學(xué)院;陳紅,吉林大學(xué)農(nóng)
基于激光掃描數(shù)據(jù)的建筑物信息格網(wǎng)化提取方法
格式:pdf
大?。?span id="5j7n57d" class="single-tag-height" data-v-09d85783>769KB
頁數(shù):4P
4.5
針對車載激光掃描點云的分布密度,提出了一種把掃描數(shù)據(jù)格網(wǎng)化進(jìn)行信息提取的新方法。實踐證明,這種方法效率高,可以自動從密集的掃描數(shù)據(jù)中快速提取出建筑物信息,能夠滿足城市三維建模的要求。
基于LiDAR數(shù)據(jù)的建筑物自動提取方法的比較
格式:pdf
大?。?span id="tbfhrh5" class="single-tag-height" data-v-09d85783>751KB
頁數(shù):4P
4.7
簡述三種典型的利用lidar點云自動提取建筑物的方法。提出對建筑物提取結(jié)果的精度評價指標(biāo),并對三種方法的提取結(jié)果進(jìn)行比較。結(jié)果表明基于dempster-shafer理論的建筑物自動提取方法最為穩(wěn)健。
一種基于LiDAR點云的建筑物提取方法
格式:pdf
大?。?span id="7tvxprr" class="single-tag-height" data-v-09d85783>241KB
頁數(shù):5P
4.5
從機載雷達(dá)點云數(shù)據(jù)中快速準(zhǔn)確提取建筑物是當(dāng)前研究的難點和熱點。在對現(xiàn)有建筑物點云提取方法充分研究和分析的基礎(chǔ)上,本文提出了一種基于lidar點云的建筑物提取方法。首先根據(jù)建筑物的幾何特性提取初始建筑物輪廓點;然后構(gòu)建局部協(xié)方差矩陣計算點云分布特征,剔除非建筑物輪廓點;最后利用dbscan聚類算法對建筑物輪廓點聚類,以聚類結(jié)果為基礎(chǔ)構(gòu)建緩沖區(qū),以緩沖區(qū)內(nèi)所有建筑物輪廓點為初始種子點,采用圓柱體鄰域進(jìn)行多種子點區(qū)域增長,實現(xiàn)建筑物點云的提取。通過兩組試驗,共5組數(shù)據(jù)驗證本文算法的性能。試驗結(jié)果表明,該方法能夠準(zhǔn)確、有效地提取多層復(fù)雜的建筑物點云,效率高,且具有一定的適用性。
一種魯棒的戶外建筑物圖像校正方法
格式:pdf
大?。?span id="bl5jtjz" class="single-tag-height" data-v-09d85783>3.9MB
頁數(shù):8P
4.6
針對在海量場景識別中現(xiàn)有透視失真校正方法的魯棒性尚不理想,不足以用于對場景復(fù)雜、干擾較多的戶外建筑物圖像進(jìn)行準(zhǔn)確校正的問題,提出一種改進(jìn)的戶外建筑物透視失真校正方法.該方法針對建筑物的形狀特點,結(jié)合手機的重力感應(yīng)功能對hough變換直線檢測算法進(jìn)行了改進(jìn),并使用ransac方法剔除部分錯誤直線,提高了算法的魯棒性;利用消隱點坐標(biāo)對圖像進(jìn)行校正,恢復(fù)建筑物的仿射結(jié)構(gòu),使其與訓(xùn)練圖像更加接近;在實驗中,將校正后的圖像用于圖像識別,并提出一種基于互信息的融合策略,將側(cè)視圖和校正后的圖像結(jié)合在一起進(jìn)行識別.實驗結(jié)果表明,該方法能夠魯棒地對戶外建筑物圖像進(jìn)行透視校正,極大地提高了戶外建筑物識別正確率.
一種航空遙感圖像中建筑物檢測的并行方法
格式:pdf
大小:553KB
頁數(shù):5P
4.5
從遙感圖象中提取人造目標(biāo)(例如建筑物、交通樞紐等)在國防和現(xiàn)代化建設(shè)實踐中有著十分重要的意義。遙感圖象一般都幅面較大,包含的目標(biāo)較多,而且由于占據(jù)的實際地面面積較大,光照條件不盡相同,因此要讓計算機自動檢測其中的建筑物是一項極具挑戰(zhàn)性的工作。提出一種并行的自動檢測建筑物的方法。
面向?qū)ο筮b感圖像處理方法在建筑物震害評估中的應(yīng)用研究
格式:pdf
大?。?span id="jlprtbj" class="single-tag-height" data-v-09d85783>1.3MB
頁數(shù):6P
4.4
以汶川地震中的都江堰地區(qū)震后遙感圖像為例,研究分析了圖像分割技術(shù)及模糊分類技術(shù),在此基礎(chǔ)上,用分類精度更高的單尺度、多特征的面向?qū)ο髨D像處理方法進(jìn)行建筑物震害評估。重點探索了混淆矩陣在震害評估中的應(yīng)用,通過kappa統(tǒng)計值進(jìn)行震害分類結(jié)果的比對與精度評價,并驗證該分類方法的穩(wěn)定性。研究結(jié)果表明:改進(jìn)后的面向?qū)ο髨D像處理方法簡單、快速且精度較高,具有良好的適用性和穩(wěn)定性。
文輯推薦
知識推薦
百科推薦
職位:橋梁工程標(biāo)準(zhǔn)員
擅長專業(yè):土建 安裝 裝飾 市政 園林