基于改进SPHP算法的无人机遥感影像智能拼接方法

由于在影像拼接过程中存在清晰度低的问题，为此，提出基于改进SPHP(shape-preserving half-projective)算法的无人机遥感影像智能拼接方法。确定目标图像的极值点后，采用SIFT(scale invariant feature transform)作为特征参数，实现对无人机遥感影像特征的提取。在影像匹配阶段，对图像进行单应变换处理后，在待拼接无人机遥感影像特征重合的前提下，利用薄板样条函数(thin plate spline, TPS)中的径向基函数对图像进行变形处理，以此消除投影偏差，结合不同方向上的变形量，实现对无人机遥感影像的拼接。在测试结果中，拼接后影像的信息熵稳定在7.50以上，灰度方差乘积稳定在10.80以上。     

基于深度学习特征和支持向量机的遥感图像分类

随着遥感图像采集技术的迅速发展,传统的遥感图像处理方法已经不能满足当前实际的生产需要。近年来,深度学习模型的流行为遥感图像分类问题的解决提供了新的途径。因此,为了进一步提升遥感图像的分类精度,笔者提出了一种基于深度学习特征和支持向量机(support vector machine,SVM)的遥感图像分类模型。首先,针对深度学习模型需要海量训练数据的特点,运用旋转、剪裁等方法对原始的遥感图像进行数据扩增;然后,将扩增数据按照种类随机地分为训练集和验证集两部分测试集,并使用训练集和验证集训练改进的针对遥感图像分类问题的卷积神经网络(convolutional neural network,CNN)中的参数,进而在训练好的CNN模型上提取第一部分测试集的深度学习特征;最后,使用第一部分测试集的深度特征训练多分类SVM,并对第二部分测试集图像进行分类验证。实验采用NWPU-RESISC45公共数据集对本研究模型精度进行验证,与现有的遥感图像分类方法相比较,实验结果表明,提出模型的总体分类精度有明显提升,从而验证了方法的有效性和实用性。     

基于高斯混合模型的林业信息文本分类算法

为解决传统林业信息文本分类算法准确率低和正确率分布不均匀的问题,提出了一种基于高斯混合模型的林业信息文本分类算法。在阐述高斯混合模型和EM算法的基础上,使用TF-IDF方法计算林业信息文本特征值,对构造的林业信息文本特征矩阵降维,结合Kmeans算法,通过训练得到各类林业信息文本所对应的高斯混合模型的参数,构造分类器进行精准与快速分类。实验结果表明,该算法与神经网络分类方法、贝叶斯、决策树等常用分类算法相比,该算法有较高的准确率和实用性,为林业信息文本的分类研究开拓了新思路。     

全波形LiDar数据分解方法的研究

研究了激光波形数据高斯函数分解的理论基础,提出了利用广义高斯模型函数拟合脉冲波形,并提取脉冲波形重要参数的方法.实验表明:利用广义高斯模型能较好地分解脉冲波形,该参数提取方法在分解振幅较高的脉冲波形时鲁棒性较好.该波形分解方法不但能增加点云的数量,而且能增加点云的层次感,同时能提取出激光点云的振幅、距离、脉冲宽度以及背向散射截面等重要的参数,这些特征对后续的地物分类研究提供了基础.     

基于三维点云模型获取单木树高和胸径的研究

使用无人机和智能手机分别从空中和地面拍摄的样地林分影像构建三维点云模型，并从三维点云模型中获取样地内单木树高和胸径参数。本研究以池杉人工林为研究对象，利用PhotoScan Agisoft软件对无人机倾斜摄影和智能手机近景摄影的样地影像进行三维重建，通过对齐照片、控制点刺点、对齐优化、建立密集点云等步骤，构建出与样地实景相符的三维点云模型；通过LiDAR 360软件从样地三维点云模型中获取单木的树高和胸径参数，将其与实地测量获取的单木树高和胸径参数进行对比分析。利用无人机和智能手机影像构建的三维模型可以满足《数字航空摄影测量测图规范》的精度要求。通过实测数据和点云数据获取的树高和胸径的平均差值分别为-0.9 m和-0.8 cm,平均相对误差分别为5.4%和7.1%。以实测数据作为自变量x,以点云数据作为因变量y,树高和胸径回归模型的R²分别为0.809 5和0.918 4。将倾斜摄影和近景摄影的点云模型统一在同一空间参考基准下可构建出与样地实景相匹配的三维点云模型，从样地三维点云模型中获取的单木树高和胸径与实地测量结果具有较好的线性相关性，本研究所使用的方法可以代...     

基于林内图像的单位面积碳储量估计方法

【目的】针对森林碳储量估算工作量大、成本高等问题,提出一种基于林内图像简洁高效且满足精度要求的单位面积森林碳储量估计方法。【方法】林分纵断面图像隐式包含林分密度和高度2类复合信息,与林地上对应的林木碳储量直接相关。以此为突破口,首先,分析林木图像分类算法,提出在全局阈值基础上结合邻域像素属性来决定焦点像素归属,以消弱因林内光线不均对图像灰度造成的影响;然后,提出一个与林木碳储量关系紧密的参数并给出其图像计算方法;最后,以该参数为自变量,建立预估模型,实现对碳储量的估计。【结果】在以焦点像素为中心的3×3的邻域内,如果有大于6个相似像素出现,则将焦点像素归为该类,这种利用与邻域像素关系以决定当前像素归属的方法具有膨胀和腐蚀双重特性,即当焦点像素处于树体内部时容易将该点归为树体,当焦点像素处于树体外部时容易将该点归为背景,相比单纯全局阈值方法更能提高林分图像分类的准确性。碳储量预估模型方面,2参数的直线方程估计精度与3参数的逻辑斯蒂模型接近;如果在普通模型基础上增加代表海拔的虚拟变量,则能使碳储量估计精度得到较大程度提高。以兴安落叶松为例,验证基于林内纵断面图像能够实现对单位面积碳储量的较高精度估计这一假设。【结论】在林木图像提取过程中,继承对称交叉熵法泛用性强、效率高的优点,同时针对该算法容易将树体内部部分像素分割成背景、树体外部部分像素归并于树体内部的缺点,采用兼顾像素邻近关系的方法对其进行改进,取得良好结果,且该算法对林内光线不均表现出迟钝特性。在基于林内图像的碳储量预估模型方面,逻辑斯蒂模型表现出良好适应性,由于考虑海拔因素能降低估计误差,因此在实际应用中有必要分海拔段进行预估。     

基于改进GAC模型的木材表面缺陷图像分割

为提高对木材表面缺陷图像分割的准确率,对木材表面缺陷图像采用传统GAC模型算法和改进GAC模型算法进行多组对比试验,与此同时研究改进算法中迭代步长、迭代次数、常数速度、反差参数等参数对木材表面缺陷图像分割结果的影响。通过试验验证了改进GAC模型算法的可行性、快速性和准确性,能够克服传统的GAC模型欠分割的缺点。     

松毛虫灾害点的航空录像图像判别和定位研究

本文从图像抓取、图像拼接、正射影准备、图像校正、图像增强五个方面进行了航空录像图像处理技术的研究，提高了图像处理的效率和准确性。通过选取明显地面标志作为地面控制点，用二次变换校正图像和运用两种方法调整图像象元灰度值的空间分布以增强灾害区的图像信息，初步实现了马尾松毛虫灾害点的准确定位和不同灾害程度的判别。     

当阳市地理坐标转换参数及估算方法研究

通过在Google Earth中采集公共点的WGS84经纬度坐标、在DRG上采集北京54和西安80平面坐标,本文采用布尔莎七参数模型,估算出当阳市WGS84转北京54、西安80坐标和北京54转西安80坐标的转换参数,并用公共点坐标和影像叠合两种方法进行了转换精度检验,结果表明：WGS84转北京54、西安80坐标的误差〈2．5m,北京54转西安80坐标的误差〈0．3m,能满足林业调查规划的精度要求,所求参数可以在林业调查规划中使用。     

基于多目视觉的马尾松苗木形态学参数提取研究

生态文明建设、现代林业建设需要数量充足、质量优良的苗木,苗木质量评价是苗木质量调控的核心问题之一。为实现马尾松苗木形态特征快速精准评价,笔者设计了一套基于多目立体视觉的、高精度非接触式的马尾松苗木形态学参数提取系统。首先采用"张正友标定法"进行相机标定,然后软件系统对采集到的苗木图像序列进行预处理、图像校正、立体匹配等操作,匹配完成后获取到苗木的空间点云信息,最后运用泊松曲面重建算法对苗木的空间点云进行表面重建,得到马尾松苗木的三维模型。从重建出的模型中提取出苗木的根系体积,分别采用圆柱几何体、圆台几何体、圆柱与圆台几何体相结合、"体元模拟法"这4种方式进行拟合,为苗木质量的评价提供了更加精确的形态指标。     

基于边缘检测滤波的机载激光雷达点云数据处理

机载激光雷达（Lidar）是一种主动式对地观测技术,可以直接获取点的三维坐标.Lidar点云数据的括滤波和分类,是Lidar数据处理的重要步骤.利用国际摄影测量与遥感协会ISPRS提供的实验数据,采用边缘检测滤波算法和线性卷积滤波算法对数据进行滤波,滤波后的图像表明,边缘检测滤波算法效果优于线性卷积滤波.采用基于Axelsson的改进的不规则三角格网加密方法进行点云分类,将Lidar点云分为以下8类：低点、孤立点、空中点、地面点、模型关键点、低于地表的点、建筑物点和植被点.分类后的Lidar点云数据都被分到了唯一的类别中,清楚地显示出地面信息.结果表明,采用的滤波和分类算法有效可行,对Lidar点云数据处理有重要的借鉴意义.     

CHRIS数据几何校正精度改善研究(英文)

This paper deals with a new type of multi-angle remotely sensed data--CHRIS （the Compact High Resolution Imaging Spec- trometer）, by using rational function models （RFM） and rigorous sensor models （RSM）. For ortho-rectifying an image set, a rigorous sen- sor model-Toutin＇s model was employed and a set of reported parameters including across track angle, along track angle, IFOV, altitude, period, eccentricity and orbit inclination were input, then, the orbit calculation was started and the track information was given to the raw data. The images were ortho-rectified with geocoded ASTER images and digital elevation （DEM） data. Results showed that with 16 ground control points （GCPs）, the correction accuracy decreased with view zenith angle, and the RMSE value increased to be over one pixel at 36 degree off-nadir. When the GCPs were approximately chosen as in Toutin＇s model, a RFM with three coefficients produced the same accuracy trend versus view zenith angle while the RMSEs for all angles were improved and within about one pixel.     

林火视频监控中烟识别方法概述

介绍国内外林火监测技术的发展现状,火灾的物理特征,烟图像的火灾监测技术,火灾图像的获取与预处理,火灾图像烟的纹理特征、动态特征、形状特征．认为森林火灾的探测基础理论及技术仍然不够完善,将数字图像处理技术应用到火灾报警上是一种有效的火灾探测手段．     

Texture analysis of stereograms of diffuse-porous hardwood: identification of wood species used in Tripitaka Koreana

Tripitaka Koreana is a collection of over 80,000 Buddhist texts carved on wooden blocks. In this study, we investigated whether six hardwood species used as blocks could be recognized by image recognition. An image data set comprising stereograms in transverse section was acquired at 10×?magnification. After auto-rotation, cropping, and filtering processes, the data set was analyzed by an image recognition system, which comprised a gray-level co-occurrence matrix method for feature extraction and a weighted neighbor distance algorithm for classification. The estimated accuracy obtained by leave-one-out cross-validation was up to 100% after optimizing the pretreatments and parameters, thereby indicating that the proposed system may be useful for the non-destructive analysis of all wooden carvings. We also examined the specific anatomical features represented by textures in the images. Many of the texture features were apparently related to the density of vessels, and others were associated with the ray intervals. However, some anatomical features that are helpful for visual inspection were ignored by the proposed system despite its perfect accuracy. In addition to the high analytical accuracy of this system, a deeper understanding of the relationships between the calculated and actual features is essential for the further development of automated recognition.     

基于照相技术的枸杞地上生物量模型研究

以内蒙古托克托县枸杞灌木作为研究对象,利用照相技术和图像处理软件获取各植株侧面宽度D、植株高度H、侧面照相面积S等参数,建立起基于这些参数或参数组合的枸杞地上生物量拟合方程。经过检验,以植株侧面照相面积S为自变量的幂函数回归模型可用来估算枸杞地上生物量。侧面照相面积S与植株的生长状况密切相关,通过照相技术和图像处理软件获取S等参数相对简便、准确,在实际操作中能提高工作效率。     

基于Landsat 8影像的西双版纳森林覆盖信息提取研究

以Landsat 8影像为数据源,在综合分析典型地物光谱、纹理和空间分布等特征的基础上,利用归一化湿度指数(NDMI)、纹理、地形等多源数据,构建了基于决策树规则的西双版纳森林覆盖信息提取模型。验证结果表明,该模型的总体精度达99.08%,与传统的监督分类相比(96.08%)提高了3个百分点。     

基于空间灰度共生矩阵的木材纹理特征提取

讨论了生成步长、生成方向、图像灰度级对灰度共生矩阵特征参数的影响，在对国内50个树种计算分析的基础上，得出适于描述木材纹理的灰度共生矩阵构造方法。结合了灰度共生矩阵特征参数间的相关性及木材纹理自身的特征提取出了一套表征木材纹理的特征参数。     

香格里拉县TM影像的几何校正

利用ERDAS IMAGINE软件中的一般多项式模型和共线方程模型对香格里拉县TM影像进行几何精校正,对校正结果进行比较,结果为共线方程模型比一般多项式模型更适合香格里拉县TM影像的几何校正.GCP的数量和定位精度也影响校正结果:一般多项式至少需60个控制点才能使误差控制在一个像元以内,而共线方程模型只需20个控制点,控制点均方根误差随控制点数量的增加而降低.     

基于特征选择的TLS蒙古栎人工林点云分类研究

【目的】针对点云分类过程中多依据经验盲目构造特征的问题,本研究提出使用基于xgboost的特征选择弥补上述不足。【方法】本研究的数据为地面激光雷达扫描获得的蒙古栎人工林数据。本研究考虑构造适当的特征训练分类器将TLS点云快速分离为地面、树干与枝叶3个类别。在分类过程中,先在训练集中逐点搜索100个近邻构造19个特征,然后使用这些特征训练xgboost分类器,并依据控制分类器节点分裂的特征频率获得特征重要性。获得特征重要性之后将特征按重要性做降序排列,并依据该序列依次增加特征数量训练xgboost。因为构造了19个特征,所以在上述训练分类器的过程中可获得19个关于特征重要性的分类器模型。依次将上述模型应用于测试集的分类,在保证分类器性能的情况下,依据测试集的表现选择了前6个特征,从而实现了TLS点云分类的特征选择。【结果】使用基于特征选择获得的6个特征与依据经验构造的19个特征训练分类器的测试准确率分别为0.954 8与0.956 2。相较于使用19个特征,使用6个特征的分类器性能仅降低了0.001 4。在训练集与测试集中计算6个特征用时分别占计算19个特征用时的53.13%与54.33%。【结论】结果表明特征选择策略可有效提高特征计算效率,而且在保证分类器性能的前提下可以避免特征构造的盲目性。     

基于SVM的多特征融合的天牛图像识别

天牛虫的图像特征提取对于天牛虫灾害的防治和监控有很重要的意义,针对目前图像识别在这个领域的应用中存在的问题,提出进行图像的特征提取和识别的方法:首先,对天牛虫图像进行二维小波变换分解,用低频图像进行特征提取,减少噪声的同时可以提高识别的准确率;然后,提取低频图像的SIFT(尺度不变特征变换)特征向量集,解决大范围的仿射失真、3维视角的改变、噪音的增加和光线的改变等造成的影响;为了提高复杂光照条件下的图像识别率,引入了颜色特征,将图像从RGB转换到HSV空间,提取图像的颜色矩作为颜色特征向量;最后,将所提取的特征作为SVM分类器的训练样本集,进而对目标图像进行识别,实验结果表明,提出的方法能够得到较好的识别效果。