IKONOS1m城市图像中道路信息提取方法研究
收稿日期:2002-10-10
作者简介:刘军生(1976-),男,吉林长春市人,硕士,主要从事
卫星遥感图像处理与数字化的研究;刘吉平(1957-),男,湖南安化人,博士、副教授,主要从事遥感图像处理,模式识别和遥感地质研究。
文章编号:1004-051X (2003)02-0030-02
I KONOS 1m 城市图像中道路信息提取方法研究
刘军生,刘吉平
(华中科技大学水电与数字化工程学院仿真中心,湖北 武汉 430074)
摘 要:自从1999年1m 分辨率IKONOS 卫星发射以来,空间图像制图就成为计算机视觉领域的热门话题,主要是因为地面大部分人造目标可以被识别出来,其中道路就是可识别目标中很重要的一个。针对大量来自建筑物的边缘因素会在边缘探测器中产生,边缘检测方法识别道路困难的情况,介绍IKONOS 1m 分辨率的城市图像中道路信息的半自动提取方法。
关键词:IKONOS 1m 分辨率城市图像;计算机视觉领域;半自动提取;方法中图分类号:TP39119;U41215 文献标识码:A
A Study on the Approaches of Extracting R oad Inform ation from IK ON OS 1m -R esolution U rban Im ages
L I U J un -sheng ,L I U Ji -pi ng
(College of Hydrop owe r &I nf or mation En gi nee ri ng Si mulation Ce nte r ,Huaz hong U nive rsit y of Scie nce &Tec h nolo gy ,Wuha n Hubei ,430047,Chi na )
Abstract :Si nce t he launc hi n g of t he I KONOS satellite wit h 1m resolution ca me ra i n 1999,ma ppi ng
accordi ng t o sp ace -bor ne i ma ges has become a hot t opic i n t he f ield of comp ute r vision.This is mai nly because most of ma n -ma de objects on t he ground a re ide ntif ia ble a nd roa d is quite a n i m 2p orta nt object a mong t he m.It is diff icult t o ide ntif y roa ds wit h e dge detecti ng app roac hes si nce most of t he e dge f act ors f rom buildi n gs ma y ge ne rate i n e dge detect or.This p ap e r i nt roduces t he se 2mi -aut omatic app roac h of ext racti n g roa d i nf or mation f rom I KO NOS 1m resolution urba n i ma ges.
K ey w ords :I KONOS 1m 2resolution urba n i ma ge ;f ield of comp ute r vision ;se mi -aut omatic ex 2
t racti ng ;app roac h
随着城市的日益繁荣,城市交通成为制约城市发展的一个重要方面。由于城市中目标类很多,如建筑物、公园、运动场、空地、道路网等,且每个目标类结构复杂、形状各异,若采用从图像中逐个提取目标的方法,则既不科学,又难于实现。然而我们注意到,城市中的道路可以成为分析与解释城市的主要线索,城市中的道路网将其分成许多街区,每个街区中的地物目
标分布常常是有规律的。因此,首先从城市遥感图像中提取出道路网,进而分析由其分割出的各街区,作相应的目标识别和测量,将会大大简化整个处理过程。I KONOS 1m 卫星图像则为进行高精度的道路信息提
取提供更高质量的数据源。
本文从遥感影像的道路特征提取出发,对道路特征提取的基本思想和方法进行了探讨,对近年来道路特征提取的研究状况进行了分析和总结,重点介绍了基于道路段的道路目标提取算法。
1 IK ON OS 1m 影像道路信息提取的基本思想
影像特征是由于景物的物理与几何特性使影像中
3
广西交通科技
G UANG XI COM M UNICATI ON SCIE NCE &TECH NOLOGY
2003年第2期第28卷总第104期
特 稿
局部区域的灰度产生明显变化而形成的。因而特征的存在意味着在该局部区域中有较大的信息量,而在影像中没有特征的区域,应当只有较小的信息量。
影像特征的提取,即从影像中提取有用的信息和视觉特征。特征提取一般分为3个部分:(1)面状特征的提取;(2)线性特征的提取;(3)点状特征的提取。按照Marr 视觉理论,视觉从最初的原始数据(2维影像数据)到最终对3维环境的表达经历了三个层次:①要素图:它包含图像边缘点、线段、顶点、纹理等基本几何特征组成,这个层次称为低层次处理。②215维图:它是要素图与3维图像模型之间中间表示层次,包含物体表面的局部内在特征,这个层次称为中层次处理。③3维图:以物体为中心的3维描述,它是由要素图与215维图得到的。它包含对物体的理解、识别等,这个层次称为高层次处理。
与其他特征提取一样,道路特征提取同样遵循Marr 视觉理论。道路特征提取应该在低、中、高三个层次上进行.道路特征提取一般方法主要分以下阶段,如图1所示。对影像从不同角度进行分析,在各个层次采取适当的算法,即可得到不同的特征提取方法。影像道路特征提取与众多学科如计算机图形学模式识别、人工智能、数学等密切相关,相关学科新的方法的应用,推动着道路特征提取方法的发展。2 IK ON OS 1m 影像道路信息提取的基本方法
根据道路特征提取的自动化程度
,一般地,道路特征提取分为自动特征提取和半自动特征提取。从目前的研究进展来看,自动特征提取存在很大困难,因为利用计算机提取道路特征,包括“识别”和“量测”两部分。其中“识别”对于计算机来说是十分困难的,而对于人来说则相对简单。而“量测”即精确的定位,对于计算机来说,则要相对简单。因此,利用计算机和人各自的优点进行半自动特征提取和识别,在目前来讲更为现实。下面重点介绍半自动道路提取方法:
图1
道路特征提取阶段图
2.1半自动道路特征提取
半自动道路特征提取即利用人机交互的形式进行
特征提取和识别。其主要思想是人工首先提供初始道路点(种子点),有时还提供初始方向,然后再由计算机进行处理识别,同时适当进行人机交互。这方面已有很多研究,并取得了较好的效果。
2.1.1
基于像素与背景的算子模型的道路提取
在遥感影像道路特征提取方面,较为直观的研究是采用将影像像素分为“道路”或“背景”,从而识别出道路。这主要通过图像分析的方法,在局部范围内,对目标像素周围的一个小领域进行处理。这些处理技术通常有二值化、边缘检测、形态学算子,统计分类和神经网络等。文献[1]首先研究了利用边缘模作卷积,然后选择满足3个准则的边缘点,同时进行细化并取阀值,最后链接方向最接近的点得到所要提取的道路。2.1.2基于类与模糊集的道路网络提取
利用一定的特征提取算法,能够提取道路特征。但由于影像的复杂性,人工智能发展的局限性等原因,目前还不能很好地完全满意地得到影像的道路,通常得到部分不很连续的道路,从而得不到合适的道路网络。对此问题,文献[2]进行了研究。其基本思想是利用类及模糊集
,提取道路网络。其基本方法是:(1)提取影像道路,这可由一般的道路特征提取方法上得到;(2)连接道路,这其中需要给出连接的定量评价,所用方法是利用模糊集理论给出连接的权函数,由此确定连接的道路网络。试验表明,该方法能够很好地连接复杂地区的主要道路网络。上述方法与一般的道路特征提取更具有一般性,研究的区域也较大,更具有实用性。但该方法需首先提取出基本的道路,这也需要合适的提取算法。2.1.3 基于道路段的道路目标提取算法
提取道路段是整个算法的关键,根据道路段的模型,它在图像上表现为线性特征,故以直线为基础来设计算法。整个算法流程(见图2)。
图2基于道路段算法流程图
然后在每一子块图像提取道路段,将子块图像中的道路段编组,形成候选道路段。最后连接道路段,形
成道路网。
(下转第62页)1
32003年第2期 第28卷 总第104期
使沉降加速发展,现正在继续观测,以取得更新的数据。
(2)注浆压力若控制不当,容易产生鼓包破坏原有路面。
参考文献:
[1]郭贵平.高等级公路养护技术与养护机械.[M ].北京:人
民交通出版社,2001.
[2]王晓谋,袁怀宇.高等级公路软土地基路堤设计与施工技
术[M ].北京:人民交通出版社,2001.
[3]姚玲森.桥梁工程[M ].北京:人民教育出版社,1995.[4]陈天本.桁式组合拱桥[M ].北京:人民交通出版社.[5]交通部第一公路工程总公司.公路施工手册.桥涵[Z ].北
京:人民交通出版社,2002.
(上接第31页)
4 结论
道路特征提取一般在3个层次上进行处理,即低层次、中层次和高层次。在低层次的处理过程中,提取
的点、线、面不是目标的结构特征。为了识别目标,需要形成中层次的目标结构特征。中层次中产生的结构特征,通过高层次的知识识别、处理,就可以得到特征明显准确的影像道路。在具体研究中,可能在某个层次有所偏重。目前在3个层次的处理上,还不可能都令人满意。但是3个层次的有机结合,则是道路特征提取的主要发展方向。
参考文献:
[1]DONALD G ,J ED YNA K B.Active Testing Model for Track 2
ing Roads in Satellite Images[J ].IEEE Transform on Pattern
Analysis and Machine Intelligence ,1996,18(1):1～14.[2]STEGER C ,MA YER H ,RADIG B.The Role of Grou ping
for Road Extraction [A ].Automatic Extraction of Manmade Objects from Aerial and S pace Images (2)[C ].Basel :Birkhaeuser Verlag ,1997.245～255.
[3]WAN G F G ,N EW KIR K R.A Knowledge —based System for
Highway Network Extraction [J ].
IEEE Transform G eo 2
science and Remote Sensing 1988,1988,26(5):525～531.[4]N EVA TIA N ,BABU K R.Linear Feature Extraction and
Description [J ].Computer Graphics and Image Processing ,1980,13(2):257～269.
[5]TRINDER J C ,L I H.Semi -automatic Feature Extraction b y
Snakes[A ].Automatic Extration of Manmade Ob jects from
Aerial and S pace Images [C ].Basel ;Birkhaeuser Varlag ,1995.95～104.
[6]林宗坚,刘少创.航空影像中道路提取的Snake 方法[J ].武
汉测绘科技大学学报,1996,21(3):177～l82.
(上接第41页)4.7 泄水孔
泄水孔在锚索施工结束后进行,以避免注浆时引起泄水孔堵塞,影响排水效果。泄水孔孔径90mm ,仰角5°,滤水管打Φ15mm 花眼,梅花状布置,面孔隙率为15%～35%。花眼段包了层40～60目铝合金砂网见图2
。
图2 泻水孔井管结构图
5 结束语
在本岩土工程治理中,综合使用土体内集中泄水、预应力锚索+框格梁、预应力锚索+压力承台的治理技术,是宜柳公路的滑坡综合治理措施之一。目前,该项锚固工程已竣工1年,并经历了多次暴雨的检验,治理后的滑坡未发现进一步滑动的迹象,锚固结构完好,泄水孔排水顺畅,表明治理工程的设计是合理的,治理工程的施工是成功的。
参考文献:
[1]常士骠:工程地质手册[Z].北京:中国建筑工业出版社,
1992.
[2]广西壮族自治区地质局区域水文地质普查报告(柳州幅1:
20万)[Z].广西:广西壮族自治区地质局,1982.
[3]林宗元.岩土工程治理手册[Z].辽宁:辽宁科学技术出版
社,1993.
2
6广西交通科技
关于图像特征提取
关于图像特征提取 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 有时，假如特征提取需要许多的计算时间，而可以使用的时间有限制，一个高层次算法可以用来控制特征提取阶层，这样仅图像的部分被用来寻找特征。 由于许多计算机图像算法使用特征提取作为其初级计算步骤，因此有大量特征提取算法被发展，其提取的特征各种各样，它们的计算复杂性和可重复性也非常不同。 边缘 边缘是组成两个图像区域之间边界（或边缘）的像素。一般一个边缘的形状可以是任意的，还可能包括交叉点。在实践中边缘一般被定义为图像中拥有大的梯度的点组成的子集。一些常用的算法还会把梯度高的点联系起来来构成一个更完善的边缘的描写。这些算法也可能对边缘提出一些限制。 局部地看边缘是一维结构。 角 角是图像中点似的特征，在局部它有两维结构。早期的算法首先进行边缘检测，然后分析边缘的走向来寻找边缘突然转向（角）。后来发展的算法不再需要边缘检测这个步骤，而是可以直接在图像梯度中寻找高度曲率。后来发现这样有时可以在图像中本来没有角的地方发现具有同角一样的特征的区域。 区域 与角不同的是区域描写一个图像中的一个区域性的结构，但是区域也可能仅由一个像素组成，因此许多区域检测也可以用来监测角。一个区域监测器检测图像中一个对于角监测器来说太平滑的区域。区域检测可以被想象为把一张图像缩小，然后在缩小的图像上进行角检测。 脊 长条形的物体被称为脊。在实践中脊可以被看作是代表对称轴的一维曲线，此外局部针对于每个脊像素有一个脊宽度。从灰梯度图像中提取脊要比提取边缘、角和区域困难。在空中摄影中往往使用脊检测来分辨道路，在医学图像中它被用来分辨血管。 特征抽取 特征被检测后它可以从图像中被抽取出来。这个过程可能需要许多图像处理的计算机。其结果被称为特征描述或者特征向量。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 （一）特点：颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特
天然药物有效成分的提取方法
---------------------------------------------------------------最新资料推荐------------------------------------------------------ 天然药物有效成分的提取方法 天然药物有效成分的提取方法介绍天然药物化学成分的提取方法，主要介绍溶剂提取法。 重点：溶剂提取法的原理，化学成分的极性、常用溶剂、极性大小顺序及提取溶剂的选择；常见的提取方法及应用范围。 常用三种方法，溶剂提取法、水蒸气蒸馏法、升华法。 另外新方法还有超临界提取法。 提取的概念：指用选择的溶剂或适当的方法，将所要的成分溶解出来并同天然药物组织脱离的过程。 一溶剂提取法（一）提取原理：根据天然药物化学成分与溶剂间“极性相似相溶”的原理，依据各类成分溶解度的差异，选择对所提成分溶解度大、对杂质溶解度小的溶剂，依据“浓度差”原理，将所提成分从药材中溶解出来的方法。 （二）化学成分的极性：被提取成分的极性是选择提取溶剂最重要的依据。 1 影响化合物极性的因素： (1) 化合物分子母核大小（碳数多少）：分子大、碳数多，极性小；分子小、碳数少，极性大。 (2) 取代基极性大小：在化合物母核相同或相近情况下，化合物极性大小主要取决于取代基极性大小。 常见基团极性大小顺序如下；酸＞酚＞醇＞胺＞醛＞酮＞酯＞醚＞烯＞烷。 1/ 8
天然药物化学成分不但数量繁多，而且结构千差万别。 所以极性问题很复杂。 但依据以上两点，一般可以判定。 需要大家判断的大多数是母核相同或相近的化合物，此时主要依据取代基极性大小。 2 常见天然药物化学成分类型的极性：极性较大的：苷类、生物碱盐、糖类、蛋白质、氨基酸、鞣质、小分子有机酸、亲水性色素。 极性小的：游离生物碱、苷元、挥发油、树脂、脂肪、大分子有机酸、亲脂性色素。 以上不是绝对的，具体成分要具体分析。 比如，有的苷类化合物极性很小，有的苷元极性很大。 （三）提取溶剂及溶剂的选择： 1. 常用提取溶剂的分类与极性：1）分类：通常分三类：水类；亲水性有机溶剂；亲脂性有机溶剂。 2）极性大小：水(H2O)＞甲醇(MeOH)＞乙醇(EtOH)＞丙酮（Me2CO）＞正丁醇(n-BuOH)＞乙酸乙酯(EtOAc)＞乙醚(Et2O)＞氯仿(CHCl3 ) ＞苯（C6H6)＞四氯化碳(CCl4)＞正己烷≈ 石油醚(Pet.et)。 水类还包括酸水、碱水；亲水性有机溶剂包括甲醇、乙醇、丙酮；亲脂性有机溶剂为正丁醇后所有的。 这三类溶剂间互溶情况：水和亲水性有机溶剂可互溶，水和亲脂性有机溶剂间不互溶，有机溶剂间除甲醇和石油醚不互溶外，其它均互溶。 3）溶剂极性大小的实质：介电常数不同，介电常数大的溶剂极性
图像特征提取总结
图像常见特征提取方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1）颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2）颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3）颜色矩 这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（mean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。 （4）颜色聚合向量 其核心思想是：将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。（5）颜色相关图 二纹理特征 （一）特点：纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。作为一种统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。但是，纹理特征也有其缺点，一个很明显的缺点是当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差。另外，由于有可能受到光照、反射情况的影响，从2-D图像中反映出来的纹理不一定是3-D物体表面真实
图像特征提取方法
图像特征提取方法 摘要 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 至今为止特征没有万能和精确的图像特征定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。当光差图像时，常 常看到的是连续的纹理与灰度级相似的区域，他们相结合形成物体。但如果物体的尺寸很小 或者对比度不高，通常要采用较高的分辨率观察：如果物体的尺寸很大或对比度很强，只需 要降低分辨率。如果物体尺寸有大有小，或对比有强有弱的情况下同事存在，这时提取图像 的特征对进行图像研究有优势。 常用的特征提取方法有：Fourier变换法、窗口Fourier变换（Gabor)、小波变换法、最 小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等。
设计内容 课程设计的内容与要求（包括原始数据、技术参数、条件、设计要求等）：一、课程设计的内容 本设计采用边界方向直方图法、基于PCA的图像数据特征提取、基于Tamura纹理特征的纹理特征提取、颜色直方图提取颜色特征等等四种方法设计。 （1）边界方向直方图法 由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.小波理论和几个其他课题相关。所有小波变换可以视为时域频域的形式，所以和调和分析相关。所有实际有用的离散小波变换使用包含有限脉冲响应滤波器的滤波器段(filterbank)。构成CWT的小波受海森堡的测不准原理制约，或者说，离散小波基可以在测不准原理的其他形式的上下文中考虑。 通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果 图像的边界是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，边界广泛的存在于物体和背 景之间、物体和物体之间，它是图像分割所依赖的重要特征．边界方向直方图具有尺度不变性，能够比较好的 描述图像的大体形状．边界直方图一般是通过边界算子提取边界，得到边界信息后，需要表征这些图像的边 界，对于每一个边界点，根据图像中该点的梯度方向计算出该边界点处法向量的方向角，将空间量化为M级， 计算每个边界点处法向量的方向角落在M级中的频率，这样便得到了边界方向直方图． 图像中像素的梯度向量可以表示为[ ( ，)，)，( ，)，)] ，其中Gx( ，)，)，G ( ，)，)可以用下面的
遥感信息智能化提取方法
遥感信息智能化提取方法 目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求。因此,研究遥感信息的智能化提取方法对于提高遥感信息的提取精度和效率具有重要意义。 1．遥感图像分类 遥感图像分类是遥感图像处理系统的核心功能之一，它实现了基于遥感数据的地理信息提取，主要包括监督分类，非监督分类，以及分类后的处理功能。非监督分类包括等混合距离法分类（Isodata）等。监督分类包括最小距离（Minimum Distance）分类、最大似然（Maximum Likehood）分类、贝叶斯（Bayesian）分类、以及波谱角分类、二进制编码分类、AIRSAR散射机理分类等。 自动分类是计算机图像处理的初期便涉及的问题。但作为专题信息提取的一种方法，则有其完全不同的意义，是从应用的角度赋予其新的内容和方法。传统的遥感自动分类，主要依赖地物的光谱特性，采用数理统计的方法，基于单个像元进行，如监督分类和非监督分类方法，对于早期的MSS这样较低分辨率的遥感图像在分类中较为有效。后来人们在信息提取中引入了空间信息，直接从图像上提取各种空间特征，如纹理、形状特征等。其次是各种数学方法的引进，典型的有模糊聚类方法、神经网络方法及小波和分形。 近年来对于神经网络分类方法的研究相当活跃。它区别于传统的分类方法在于：在处理模式分类问题时，并不基于某个假定的概率分布，在无监督分类中，从特征空间到模式空间的映射是通过网络自组织完成的，在监督分类中，网络通过对训练样本的学习，获得权值，形成分类器，且具备容错性。人工神经网络 (ANN) 分类方法一般可获得更高精度的分类结果，因此 ANN方法在遥感分类中被广泛应用，特别是对于复杂类型的地物类型分类，ANN 方法显示了其优越性。如 Howald(1989)、McClellad(1989)、 Hepner(1990)、T.Yosh ida(1994)、K.S.Chen(1995)、J.D.Paola(1997) 等利用 ANN 分类方法对 TM 图像进行土地覆盖分类，在不同程度上提高了分类精度；Kanellopoulos(1992) 利用 ANN方法对 SPOT 影像进行了多达20类的分类，取得比统计方法更精确的结果；G.M.Foody(1996)用ANN对混合像元现象进行了分解；L.Bruzzone 等 (1997) 在 TM－5 遥感数据、空间结构信息数据、辅助数据（包括高程、坡度等）等空间数据基础下，用 ANN 方法对复杂土地利用进行了分类，比最大似然分类法提高了 9% 的精度。与统计分类方法相比较，ANN 方法具有更强的非线性映射能力，因此，能处理和分析复杂空间分布的遥感信息。2．基于知识发现的遥感信息提取
基于直线检测算法的卫星图片中建筑物轮廓提取
收稿日期:2007-11-22;修回日期:2008-01-15。 作者简介:庞池海(1982-),男,浙江天台人,硕士研究生,主要研究方向:计算机仿真、图像处理; 李光耀(1965-)男,安徽安庆人,研究员,博士生导师,主要研究方向:计算机仿真、图像处理; 赵洁(1983-),女,江苏南通人,硕士研究生,主要研究方向:计算机仿真、图像处理;朱恒晔(1978-),男,江苏镇江人,博士,主要研究方向:系统仿真、虚拟样机。 文章编号:1001-9081(2008)S1-0190-03 基于直线检测算法的卫星图片中建筑物轮廓提取 庞池海,李光耀,赵 洁,朱恒晔 (同济大学CAD 研究中心,上海201804) (tcp ch @sohu .com ) 摘 要:提出一种方法,可以从卫星图像中自动检测建筑物。介绍了直线提取和直线合并的算法,分别讨论算法的实现结果和对结果的评价。建筑物检测的结果为矢量的二维候选数据,缩短了原始图像数据和最后对图像理解之 间的差距。 关键词:建筑物检测;直线检测;Canny 算子;霍夫变换;边缘检测中图分类号:T P391.41 文献标志码:A Buildi ng figure extracti on i n satellite i m ages based on li ne detecti on algorithm PANG Ch-i ha,i LI Guang -yao ,Z HAO Jie ,ZHU H eng -ye (CAD Re se a rch C e n te r,T ongji Universit y,S hangha i 201804,C hina ) Abstract :In o rder to g enerate t he 3D-model of constructi on ,usi ng t he m ethod based on i m ag e pro cessi ng,au t om ated techn i ques w ere proposed to replace the curren t manua l work .A n approach for auto m atic bu ildi ng detection w as put for w ard from sate llite i m agery .F irstl y,the algo rith m s o f li ne ex tracti on and li ne m erg i ng w ere presen ted .T hen ,t he i m p l ementation of the m e t hod and resu lt quantitative qua lity assess m ent we re discussed respecti ve l y .The resu lt of bu il d i ng detecti on prov i des the vector i a l and t w o -di m ens i on cand i date data ,w hich sho rten the d ifference be t w een or i g i na l i m ag e data and fi nal understandi ng . K ey words :buil d i ng detection ;li ne de tecti on ;C anny opera t o r ;H ough transf o r m;edge detection 0 引言 从城市航空影像中提取关键地物的研究主要集中于建筑 物和道路两个方面。已有的匹配的方法,对于现代城市中具有重要意义且形状复杂的高层建筑物和主干道,还不能形成有效的提取。 然而人类却能几乎在瞬间辨识出这些物体的存在和位置[1] 。航空影像的复杂性使目标检测变得十分困难。以往对建筑的检测方法可以分为以下3类:1)使用立体影像匹配的方法,这种方法可以提供建筑物准确的空间信息,使建筑物通过空间信息被检测出来[2]。不过这种方法需要额外的信 息,如DE M 信息。2)使用直线分析。首先从图片中检测出直线,将它们归类并且建模出矩形,推算出候选的建筑物[3]。直线可以通过使用感知的视觉数据组织的方法分类,许多报告已经使用这种方法进行了建筑物检测实验[4]。不过该方法对于大规模的检测效果不是很好。3)辅助信息的方法。如阴影或直线的透视效果,也可作为建筑物检测的重要手段。 作为一种低层次视觉技术,线段提取是一项很基本的任务。它的处理对象是边缘图像,输出是线段。其输出经常作为更高层处理(形状描述、目标识别、立体匹配等)的输入。由于线段提取的重要性,很多研究者在这方面做了大量工作。归纳起来,可分为3类:1)传统的H ough 变换;2)首先提取基本线段(e l ementary li ne segm ent ,ELS),再进行线段合并;3)利用梯度信息将边缘像素组成线段[3]。本文结合前两种方法,利用局部的H ough 变换,先抽取出直线,然后利用附有信息的直线分析图像中的对象,构建直线图的数据结构,并利用这些信息生成建筑物的候选集。 1 主要准则 通常将图像理解系统划分成几个阶段从而简化整个问题的难度。主要流程包括图像预处理,图像分割,特征提取,特征描述和识别。至今,对于各类应用还没有一个统一的方法。对于不同的项目的方法大相径庭。本文着眼于卫星图片中的建筑物检测。首先定义一些策略或思想准则作为解决这个问题的指导。 层次化 图像数据在计算机中以孤立点的信息形式存在。图像处理的目的是要对这些点尽可能地按照图像的原意进行分类,最后抽象出同类点集的含义。所有工作,包括前处理、图像分割、特征提取等,都是为了实现这一目标。在本文的研究中,首先将点归类成线,然后将线组合成几何形状。称之为点线面的变换。 整合方法 一些信息,比如颜色和方向,对图像中的元素来说是非常重要的,但不少方法忽略了这些信息的利用。在本文的研究中,将取得的颜色信息作为线和面对象的附属信息,或者称之为权重。这些信息可以帮助改善的检测过程。 局部化假设 假设物体,包括颜色、线的位置、面的位置以及图像中的所有元素,只和其一定范围内的邻域元素存在相应的关系。这个假说可以减少处理所花费的时间,从而得出各种可行的统计(现在的图像分析方法主要是基于数学统计的)。这个假设使得分治的方法能够得以实施,从而降低计算难度。 2 建筑物检测算法 整个检测算法主要分为以下4个阶段。 第28卷2008年6月 计算机应用 C o mpu ter App lications Vo.l 28June 2008
SPOT5遥感影像土地利用信息提取方法研究
第39卷 第6期2011年6月 西北农林科技大学学报(自然科学版) Jo ur nal of N o rthwest A&F U niver sity(N at.Sci.Ed.) Vo l.39N o.6 Jun.2011 SPOT5遥感影像土地利用信息提取方法研究 张伐伐a,李卫忠a,卢柳叶b,康 乐a (西北农林科技大学a林学院,b资源环境学院,陕西杨凌712100) [摘 要] 目的 探讨高分辨率遥感影像土地利用信息提取方法的优劣,为研究土地利用/覆盖动态变化提供参考。 方法 以结合纹理特征的支持向量机(Support vector machine,SV M)分类和多尺度分割的面向对象分类为主要技术,对陕西佛坪长角坝乡遥感影像的土地利用信息进行提取,并将分类结果与基于传统像元的最大似然法分类结果进行比较分析。 结果 面向对象分类法的总精度达到90.67%,较结合纹理特征的SV M法提高了8.34%,而与最大似然分类法相比提高了近20.32%,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点,取得了较好的分类结果。 结论 利用面向对象分类法不仅达到了提取土地利用信息的目的,而且精度高、速度快。 [关键词] 遥感影像;土地利用信息;支持向量机;纹理特征;多尺度分割;精度评价 [中图分类号] S127[文献标识码] A[文章编号] 1671 9387(2011)06 0143 05 Study on extraction methods of land utilization information based on SPOT5 ZHAN G Fa fa a,LI Wei zhong a,LU Liu ye b,KANG Le a (a College of F or estry,b Colleg e of Resourc es and Env ironment,N or th w est A&F Univ ersity,Yang ling,S haanx i712100,China) Abstract: Objective T he study explored the effect of ex tracting approach for info rmatio n o f land uti lization based on high resolution remo te sensing im ag e to provide evidence for studying land utilization and cov er dynam ic variatio n. M ethod T his paper ex tracted the info rmation o f land utilizatio n focused on Changjiaoba to w n,using SVM classification o f tex ture feature and object or iented classification o f multi resolution seg mentatio n.The classification result w as compared w ith m ax imum likelihood classification. Then the classification result w as analyzed. Result T he ov erall classification accuracy o f object o riented w as90.67%,w hich incr eased by8.34%compared w ith SVM classification of tex ture feature and increased by20.32%com pared w ith m ax imum likelihoo d classificatio n.T his kind of classification not o nly can g et o v er the disadvantages of other classificatio ns,e.g.Spectral Similar and Ground object Fragm entations,etc. but also acquire good effectiveness. Conclusion Using the classification of object oriented can realize the purpose o f ex tracting the land utilization information,and this m ethod is accurate and fast. Key words:rem ote sensing im ag e;inform ation o f land uatilization;support v ector m achine;tex tur e fea ture;multiresolution segm entation;accuracy assessment 土地利用信息的获取,是研究士地利用和土地覆盖动态变化的基础,将遥感、地理信息系统和全球定位系统相结合,开展国土资源和环境综合调查,具有现势性强、分类周期短、资源信息更新快等优势,从而可以以最快的速度动态监测土地资源利用及环境的变化情况,及时为社会经济发展决策和制定相关规 *[收稿日期] 2010 11 29 [基金项目] 国家林业局 948 项目(2009 4 45) [作者简介] 张伐伐(1985-),男,安徽怀远人,在读硕士,主要从事 3S 技术在资源与环境中的应用研究。 E mail:zhangfafa520@https://www.360docs.net/doc/829952500.html, [通信作者] 李卫忠(1963-),男,陕西蒲城人,副教授,硕士生导师,主要从事森林经理学研究。E m ail:w eizhong_li@https://www.360docs.net/doc/829952500.html,
遥感矿物蚀变信息提取方法及ENVI下实现
遥感矿物蚀变信息提取方法及ENVI下实现
蚀变岩石是在热液作用影响下，使矿物成分、化学成分、结构、构造等发生变化的岩石。由于它们经常见于热液矿床的周围，因此被称为蚀变围岩，蚀变围岩是一种重要的找矿标志。利用围岩蚀变现象作为找矿标志已有数百年历史，发现的大型金属、非金属矿床更是不胜枚举：北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等，都属于以围岩蚀变作为找矿标志发现的矿床。 国内外遥感工作者，都在不断地设计、研制和总结对这种遥感信息的提取和识别技术。矿化蚀变信息是找矿的一个重要标志，而这些对找矿有指导意义的矿化蚀变信息常常受其它地物信息的干扰，和受遥感图像的波谱分辨率和空间分辨率的制约，往往表现的很微弱。因此，国内外学者也在不断尝试各种技术方法提取这种矿化蚀变弱信息。 本文总结了遥感蚀变信息提取的各类方法，及其在ENVI软件中的实现。 ?原理 遥感技术主要是建立在物体反射和发射电磁波的原理之上。而地物波谱特性通常都是用地物反射辐射电磁波来描述。由于地物反射发射电磁波的特性不同，其反射波谱曲线形态也有千差万别。如植物的反射波谱曲线上，在绿光波段表现由于其叶绿素的存在表现为有一强反射峰，而在短波红外波段由于叶冠组织的相互作用表现为强反射峰，在红光波段则表现为强吸收谷。 遥感地质应用中，近矿围岩蚀变形成的蚀变岩石与其周围的正常岩石在矿物种类、结构、颜色等方面都有差异，这些差异导致了岩石反射光谱特征的差异，并且在某些特定的光谱波段形成了特定蚀变岩石的光谱异常。光谱异常为用遥感图像的异常信息提取提供了理论依据。 ?方法及实现 依据矿化蚀变岩与围岩的波谱特征的差异，可采用图像增强处理方法获取矿化蚀变信息增强的图像变量，从而最终实现提取矿化蚀变信息的目的。一般图像增强突出蚀变信息有以下几种方法。 (1)蚀变干扰信息剔除 遥感数据包含地表的信息，遥感在地质方面的应用就是提取用户需要的信息，提取矿化蚀变信息的过程是计算影像中所有像素信息统计归类分析的过程，蚀变异常信息的提取对遥感图像的质量要求较高，因此首先要对遥感数据进行严格的筛选，干扰噪声小的数据，一般要求遥感数据的时相是植被发育较弱、冰雪覆盖少的季节，同时该时相的云覆盖量较少。由于受地形地貌的影响，有些因素靠数据的时相选择却难以克服，例如阴影、河流水体、高山上的冰雪、白泥地等，可以采用相应的数学方法来解决，以使阴影、水体等干扰像素的数据不参与统计分析。一方面是选择较好的数据；另一方面是对数据进行数据预处理，包括大气校正、掩膜等。 利用ENVI软件的大气校正模块flassh能快速的消除大气影响，还原地物的真实面目。有利于蚀变信息的提取。
静态图像人体轮廓提取方法的研究
静态图像人体轮廓提取方法的研究 静态图像人体轮廓提取是指从静态图像中将人体轮廓分割出来,它在计算机视觉中的人体行为识别、背景分割与替换等多个方面都有着广泛的应用。静态图像人体轮廓提取面临着巨大的挑战,包括人体姿态的多样性,衣着的各异性,光线的变化以及复杂的背景等多个方面。 近年来,随着深度学习的快速发展,图像处理领域中基于传统特征提取的方法逐渐被深度学习所取代,而卷积神经网络在图像特征提取方面体现出了很大的优势。因此,采用卷积神经网络进行人体轮廓提取具有重要意义。 本文的主要研究内容如下:1.针对传统特征提取无法精准分割人体轮廓的问题,采用一种基于深度学习的人体轮廓提取方法。该方法设计了特定的卷积神经网络结构,在模型中引入了全卷积神经网络,反卷积与网络中网络的相关技术,实现了对静态图像在像素级别的人体轮廓提取。 2.为了提高模型的性能,在本文所构建卷积神经网络的基础上提出了一种改进方法,将原始图像经过Gabor滤波器进行预处理后再传入卷积神经网络,利用Gabor特征与卷积神经网络相结合实现了更精确的人体轮廓提取。 3.分别借助VOC2012数据集和百度人体分割数据集来验证本文所提出方法的有效性。 并将改进后的模型应用于具有隐私保护功能的视频监控系统,选择CAVIAR 视频监控数据集中的视频进行测试,并对结果进行分析。实验结果表明:(1)基于卷积神经网络的人体轮廓提取方法实现了对人体轮廓的快速有效分割,体现了利用深度学习进行实验的可行性;(2)改进后的模型在VOC2012数据集上的吻合度测试结果比原始模型提高了 10.96%;(3)在百度数据集上的测试结果表明该改进方法相比于其他现有方法,在准确度和处理速度等方面都能体现出合理性和有效
中药有效成分的提取方法包括
中药有效成分的提取方法包括： 1.溶剂提取法：选择一个适当的溶剂将中药里面的有效成分提取出来。 （1）常用提取溶剂：石油醚、正己烷、环己烷、苯、氯仿、乙酸乙酯、正丁醇、丙酮、乙醇、甲醇、水。（极性小→极性大） （2）提取溶剂的特殊性质：石油醚：是混合型的物质；氯仿：比重大于水；乙醚：沸点很低；正丁醇：沸点大于水。 ①亲脂型溶剂与亲水型溶剂：石油醚、正己烷、环己烷、苯、氯仿、乙酸乙酯、正丁醇与水混合之后会分层，称为亲脂型溶剂；丙酮、乙醇、甲醇与水混合之后不分层，称为亲水型溶剂。 ②不同溶剂的符号 （3）选择溶剂：不同成分因为分子结构的差异，所表现出的极性不一样，在提取不同级性成分的时候，对溶剂的要求也不一样。 1）物质极性大小原则： ①含C越多，极性越小；含O越多，极性越大。 ②在含O的化合物中，极性的大小与含O的官能团有关：含O官能团所表现出的极性越大，此化合物的极性越大。 ③与存在状态有关：游离型极性小；解离型（结合型）极性大。 2）选择溶剂原则：相似相溶医学教|育网搜集整理。 （4）提取方法： 1）浸渍法：不用加热，适用于热不稳定化学成分，或含有大量淀粉、树胶、果胶、黏液质的成分提取。缺点：效率低、时间长。 2）渗漉法：不用加热，缺点：溶剂消耗量大、时间长 3）煎煮法：使用溶剂为水，适用于热稳定的药材的提取。缺点：不是用于含有挥发性或淀粉较多的成分的提取；不能使用有机溶剂提取。 4）回流提取法与连续回流提取法：使用溶剂为有机溶剂。 回流提取法有机溶剂消耗量大；连续回流提取法溶剂消耗量少，节省了溶剂，缺点：加热时间长，对热不稳定的成分在使用此法时要十分小心。 5）超声波提取法：提取效率高；对有效成分结构破坏比较小。 6）超临界流体萃取法：CO2萃取。特点： ①不残留有机溶剂，萃取速度快、收率高，工艺流程简单、操作方便。 ②无传统溶剂法提取的易燃易爆危险；减少环境污染，无公害；产品是纯天然的。 ③因萃取温度低，适用于对热不稳定物质的提取。 ④萃取介质的溶解特性容易改变，在一定温度下只需改变其压力。 ⑤可加入夹带剂，改变萃取介质的极性来提取极性物质。 ⑥适于极性较大和分子量较大物质的萃取。 ⑦萃取介质可以循环利用，成本低。 ⑧可与其他色谱技术连用及IR、MS联用，高效快速的分析中药及其制剂中的有效成分。 2.非溶剂提取法 （1）水蒸气提取法：适用于具有挥发性的、能随水蒸气蒸馏而不被破坏，且难溶或不溶于水的成分的提取。 （2）升华法：具有升华性质的成分提取。 提取方法：溶剂法、水蒸气蒸馏法、升华法。溶剂法最为常用。
利用matlab进行图像检测--直线提取
H a r b i n I n s t i t u t e o f T e c h n o l o g y 图像工程导论 课程名称：图像工程导论 设计题目：《图像检测：直线提取》院系： 班级： 设计者： 学号： 哈尔滨工业大学教务处 图像工程导论任务书 二〇一五年柒月哈尔滨工业大学
一、课题详细描述： 提取图像中所有长度>8,<80像素的水平、垂直和对角直线。 二、课题设计思路： 读取图片后将其转化为灰度图后记为二值图像，对其进行边缘检测后通过霍夫变换检测直线，并将符合像素要求的水平、垂直和对角直线绘制在屏幕上。 三、代码清单及注释 x=imread('D:2.jpg');%读取图片 BW=rgb2gray(x);%转化为灰度图 imshow(BW); thresh=[0.01,0.17]; sigma=2; %定义高斯参数 f=edge(double(BW),'canny',thresh,sigma);%canny边缘检测 figure,imshow(f); [H,T,R]=hough(f,'ThetaResolution',89,'RhoResolution',10); %霍夫变换 P=houghpeaks(H,400,'Threshold',80,'NHoodSize',[1,1]); lines=houghlines(f,T,R,P,'FillGap',1,'Minlength',8); for k = 1:length(lines) xy = [lines(k).point1; lines(k).point2]; len = norm(lines(k).point1 - lines(k).point2); Len(k)=len if ( len > 8& len < 80) %限定像素范围 plot(xy(:,1),-xy(:,2),'LineWidth',2,'color','Red'); %绘制图像 hold on;
(完整版)图像特征特点及常用的特征提取与匹配方法
图像特征特点及常用的特征提取与匹配方法 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1） 颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2） 颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡 的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3） 颜色矩
图像轮廓线提取
数学实验报告 实验二图像轮廓线提取技术 学院 专业 姓名 学号 成绩单序号 提交日期
一、实验目的 1.了解对matlab的图像处理功能，掌握基本的图像处理方式； 2.掌握imread，imshow，imwrite，subplot，title等的基本使用方法。 3.掌握图像轮廓线提取的简单方法并上机实现。 4.了解matlab自带的边界检测算子的使用，提高对复杂图像处理的能力。 二、实验要求 1．任意选取一幅灰度图像和一幅彩色图像，对算法中若干关键语句中进行调整，得出不同的实验结果，对这些结果进行分析，并与MATLAB自带的边缘检测做对比。 2．提出其它的轮廓线提取方法，与简单阈值法进行比较分析。 三、实验过程 1．任意选取一幅灰度图像和一幅彩色图像，对算法中若干关键语句中进行调整，得出不同的实验结果，对这些结果进行分析。 ⑴灰度图的轮廓线提取，M文件代码： function gray(pix,n) %灰度图的轮廓线提取 A=imread(pix); %读取指定的灰度图%生成与图像对应的矩阵 [a,b]=size(A); %a,b分别等于矩阵A的行数和列数 B=double(A); %将矩阵A变为双精度矩阵 D=40*sin(1/255*B); %将矩阵B进行非线性变换 T=A; %新建与A同等大小矩阵 for p=2:a-1 %处理图片边框内的像素点 for q=2:b-1 if (D(p,q)-D(p,q+1))>n|(D(p,q)-D(p,q-1))>n|(D(p,q)-D(p+1,q))>n|(D(p,q)-D(p-1,q))>n|( D(p,q)-D(p-1,q+1))>n|(D(p,q)-D(p+1,q-1))>n|(D(p,q)-D(p-1,q-1))>n|(D(p,q)-D(p+1,q +1))>n T(p,q)=0; %置边界点为黑色%新建轮廓线矩阵 else T(p,q)=255; %置非边界点为白色 end; end; end; subplot(2,1,1); %将窗口分割为两行一列，下图显示于第一行 image(A); %显示原图像 title('灰度图原图'); %图释 axis image; %保持图片显示比例 subplot(2,1,2); %下图显示于第二行 image(T); %显示提取轮廓线后的图片
遥感影像中城市道路的提取
遥感影像中城市道路的提取 施海亮 （河海大学土木工程学院 江苏 南京 210098） 摘 要：阐述了城市遥感影像中道路提取的特点，以及当今道路特征提取的一些研究成果。根据城市道路的特点，设计了根据植被指数先提取道路两旁的植被方法，通过面积阈值和形状指数阈值剔除图斑，以及应用数学形态学，对图像进行细化，可以提取道路目标。实验结果证明这一方法的正确性。 关键字：道路提取，归一化植被指数，数学形态学，细化 1.引言 在遥感影像处理中，特征提取和模式识别具有重要的地位。特征提取一般可分为三个部分：点特征的提取、线特征的提取和面状特征提取，其中线状特征的提取具有承上启下的作用。在一幅遥感图像中，道路是一种重要的线型地物，因此道路提取具有重要的意义。 ]1[如何提取道路特征现在已经有很多这方面的研究，但都有一定的不足。史文中等人对当今的研究进行了综述，认为根据道路提取的自动化程度，可以分为自动特征提取和半自动特征提取。其中具有代表性的方法有：基于像素与背景的算子模型的道路特征提取、基于树结构的特征判别模型的道路提取、基于最小二乘B 样条曲线的道路提取、基于类与模糊集的道路网提取、基于平行线对的道路提取、基于二值化和知识的道路提取和基于窗口模型特征的道路提取。另外，人工神经网络（ANN ）、遗传算法 （GA ）、数学形态学（Mathematical Morphology ）、次胜者受罚算法（RPCL ）、动态规划等一些新方法也应用到了道路提取中，并取得了一定的效果。 ]2[]3[]4[]6][5[本文通过分析城市遥感影像，发现道路两旁一般都有绿化地带，而在遥感影像中，植被的提取比道路提取要容易。可以通过先提取植被使道路信息和其它地物孤立起来，为后续处理提供较好的二值图像。 本文选用的实验图像为南京市鼓楼区某一局部地区的IKONOS 影像（见图