五摄影测量与遥感学(9)
?模板匹配 B样条曲线 面状道路提取
CH 一种利用级联滤波和松弛法的SAR图像配准方法=Registration Method for SAR Image Based on Cascade Filter and Relaxation Optim ization Algorithm/岳春宇,江万寿(武汉大学测绘遥感信息工程国家重点实验室)//武汉大学学报·信息科学版.-2011,37(1).-43~45,62
提出了一种利用级联滤波和松弛法的SAR图像配准方法。首先利用基于Beltrami流的偏微分方程与增强Lee滤波的级联滤波算法去除SAR图像噪声,然后对滤波后的参考图像提取边缘,对边缘特征点采用松弛法特征匹配,同时应用金字塔分级匹配策略由粗到精增加匹配的正确性。实验证明,本方法具有较高的配准精度。表2参15
?级联滤波 松弛法
CH 利用特征选择自适应决策树的层次SAR图像分类=A Hierarchical Classification Method Based on Feature Selection and Adaptive Decision Tree for SAR Image/何楚,刘明,许连玉,刘龙珠(武汉大学电子信息学院)//武汉大学学报·信息科学版.-2011,37(1).-46~49
提出了一种新的基于特征选择自适应决策树的层次分类算法,用于合成孔径雷达(synthetic apertureradar,SAR)图像的分类。采用Joint Boosting算法选择出最适用于各类的特征组合,并自适应地搜索构造出一个由两类分类器构成的层次分类器,利用特征选择结果和自适应决策树进行了SAR图像的学习和推理,实现了自动分类,在国内首批极化干涉SAR数据上的实验证明了本算法的有效性。图3表2参10
?合成孔径雷达 图像分类 层次分类算法 自适应决策树 特征选择
CH 基于多结构元素复合滤波的形态学边缘检测=Morphological Edge Detection A lgorithm Based on Multi-structure Elements Com pound Filter/唐永鹤,卢焕章(国防科学技术大学ATR实验室)//武汉大学学报·信息科学版.-2011,37(1).-50~53
为了进一步提高形态学边缘检测算法的性能,设计了一种多结构元素复合滤波器,定义了一种具有方向估计的形态学梯度,并在此基础上提出了一种对噪声不敏感的边缘检测算法。该算法充分发挥形态学变换方式和结构元素的噪声抑制和细节保持性能,用含有方向信息的结构元素检测图像的边缘,并通过沿梯度方向进行非极大值抑制获取单像素宽边缘。实验结果表明,本算法边缘检测效果良好,抗噪性能强,且处理速度较快。图7参9
?边缘检测 形态学梯度 非极大值抑制
CH 坡度随水平分辨率变化及其空间格局研究=Changes of DEM-derived Slope with Horizontal Resolution and Their Spatial Distribution/刘红艳(西北农林科技大学资源环境学院),杨勤科,王春梅,李俊//武汉大学学报·信息科学版.-2011,37(1).-105~109
以黄土丘陵沟壑区的县南沟流域为研究区,基于1∶1万地形图,利用ANUDEM软件生成5m到200m分辨率DEM,并利用Arc/Info中计算坡度的方法提取了各种分辨率的坡度。研究表明,随着DEM分辨率的降低,单个样点坡度值表现出不确定性,但同一坡度级所有栅格点的坡度均值呈现一定的规律性,低坡度段表现为先升高后降低,中坡度段呈现微弱变化,陡坡度段呈现对数降低趋势;沟沿线上坡度值呈比较剧烈的下降趋势、分水线和流水线上坡度缓慢下降。图5表5参28
?分水线 流水线 沟沿线 半方差函数
CH 基于空间特性的立交桥自动检测方法=Automatic Viaduct Detection Based on the Spatial Characters/李卉(中国地质大学(武汉)行星科学研究所),钟成,黄先锋,李德仁//武汉大学学报·信息科学版.-2011,37(1).-110~113
针对城市复杂立交桥的空间特性,提出了集成激光雷达数据和遥感影像实施立交桥的快速自动检测的技术流程和关键技术,突破了利用传统遥感影像难以实现立交桥自动检测难题。实际数据验证了整个流程和关键技术的可行性和有效性。图4参13
?激光雷达数据 自动检测 三维建模
CH 利用PLSA技术进行图像分割=Image Segmentation Method Based on PLSA Technology/郑肇葆(武汉大学遥感信息工程学院),郑宏//武汉大学学报·信息科学版.-2011,37(2).-132~135
?概率潜语义分析 图像分割 航空影像
CH 利用线特征进行高分辨率影像与LiDAR点云的配准=Registration of LiDAR Point Clouds and High Resolution Images Based on Linear Features/马洪超,姚春静,邬建伟(武汉大学遥感信息工程学院)//武汉大学学报·信息科学版.-2011,37(2).-136~140,159
试图从离散点云数据中寻找影像的同名点是非常困难的,因此传统的基于同名特征点的配准方法难以使用。应用共线方程作为严格配准模型,利用LiDAR点云空间中的线特征替代传统配准模型中的点特征,取得了高精度的配准结果,同时对点云密度和影像分辨率之间的尺度关系进行了半定量分析。图2表2参16
文章来源:《测绘科学技术学报》 网址: http://www.chkxjsxbzz.cn/qikandaodu/2021/0310/509.html
上一篇:中国测绘学会召开我国测绘科学技术的发展学术
下一篇:欢迎订阅测绘学报