05高空间分辨率遥感应用模型及案例.ppt

全色影像上居民地提取 提出了一种从卫星遥感全色图像中自动提取城市目标的方法。在总结城市卫星遥感全色图像特征的基础上，设计了一种层次提取的方法。首先在低分辨率图像中提取城市目标的候选区域；接着在候选区域内利用城市目标一些更复杂的特性在高分辨率图像中证实城市目标。为了获得城市目标的边界，提出了一种基于边缘点密度的算法，并将算法应用去提取SPOT图像中的城市目标，取得了较好的实验结果。 全色影像上居民地提取 利用灰度共生矩阵四个纹理特征量，选择建筑用地与其他地类的纹理特征统计量差别较大的特征，用于提取建筑用地信息。通过计算选择了对比度纹理特征，对该特征图像进行分类、密度分割及后处理，得到城市用地信息。通过精度评定证明了纹理特征用于分类可以提高分类的精度，并能提高土地利用动态检测的自动化程度。 全色影像上居民地提取 在围绕团状地物居民地的采集，利用高斯模糊处理提高影像上居民地纹理特征一致性的同时，通过灰度共生矩阵提取了纹理。用区域生长和形态学的方法全方位腐蚀与膨胀，完成了面状地物居民地的提取，并进行了矢量跟踪，通过对矢量结果分析，准确率达到90%以上，可以直接应用到GIS中去。 全色影像上居民地提取 总结为以下几个重要步骤： （1）影像的预处理：这包括对质量不好的影像进行增强、高斯模糊提高纹理一致性等处理。 （2）目标特征的确定：例如通过获得种子点纹理特征的方法来获取初始居民地的纹理特征。 （3）确定合理的区域有哪些信誉好的足球投注网站方式：要保证不漏提或不多提目标区域，必须要有合理的有哪些信誉好的足球投注网站方式，这对于面状区域边界的确定是十分重要的。我们比较常用的有区域增长、动态规划等方法。 （4）特征匹配：特征匹配的原则决定了将什么样的目标确定为我们的兴趣目标，这是目标提取中的重要环节，如欧氏距离、模糊聚类等方法。 全色影像上居民地提取 全色影像上居民地提取 线状地物提取 影像道路的基本特征 影像道路提取的基本过程 影像道路提取的研究现状 影像道路提取研究应用展望 影像道路的基本特征 几何特性 辐射特性 拓扑特性 上下文特性 功能特性 道路提取基本过程 半自动道路特征提取 利用人机交互的形式进行特征提取和识别 道路影像增强、确定道路、形成道路段、连接与显示道路 自动道路特征提取 道路特征增强（图像滤波） 道路种子点确定（像素分类、边缘检测、模板匹配） 将种子点扩展成段（自动连接、动态规划、卡尔曼滤波） 道路段的确认，自动连接（形成道路网） 道路提取研究现状 利用计算机从遥感影像中自动提取道路之类的线性地物信息，是人们多年的愿望。国内外在这方面的研究大概有20多年的历史。Tupin等(1998)从SAR影像上利用随机场模型等方法研究了道路特征提取；Tupin等(1998)研究了SAR影像的道路网络提取；Mckeown和Denlinger (1988)研究了采用道路纹理关系与道路边缘跟踪交替进行的方法提取道路； 道路提取研究现状 Kestner等(1978)，Quam (1978)利用边缘通过“道路”与“背景”关系研究了道路特征的提取，Strat和Fischler(1995)也研究了类似的问题；Geman和Jedynak (1991)研究了利用不同分辨率影像提取道路的方法，首先在高分辨率下求出经过滤波的边缘，然后在低分辨率下求出边界弯曲的道路，最后在高分辨率下利用动态有哪些信誉好的足球投注网站的方法得到所需的道路； 道路提取研究现状 Donald和Bruno (1996)在众多研究的基础上，深入探讨了10米分辨率的卫星影像道路识别方法；Gruen和Li（1997)研究了利用GIS数据从数字图像中提取线性特征的方法；Gruen和Li（1997 )利用种子点和动态规划研究了航空影像线性目标提取；Steger，Mayer和Radig (1997)研究了利用类及模糊集提取道路网络； 道路提取研究现状 Chanussot(1999)利用模糊融合技术研究了SAR影像的线性目标检测；Yuille和Coughlan (2000)利用贝叶斯估计、最大最小估计、条件分布等概率方法，通过建立结构树的判别方法，对自动提取道路特征的方法进行了分析研究；Laptev等(2000)基于多尺度检测与几何约束边缘检测相结合的方法，研究了航空影像上道路的自动提取；Hu等(2000)研究了基于模板匹配与神经网络的航空影像道路提取方法；Neil等(2001)利用边缘研究了影像线性目标的变化检测等等。 道路提取研究现状 道路的自动提取所用的方法大致可以分为三类：一类是基于道路本身特性的方法，另一类是基于上下文信息的方法，第三类是前二者的混合。 基于道路本身特性的方法是从道路本身的几何和辐射特性出发，建立合适的数学模型来描述理想道路，然后运用一定的数学方法来求解，这类方法的典型实现算法包括模板匹配法、平行边跟踪连