共查询到18条相似文献，搜索用时 343 毫秒
1.
目的 利用现势性较好的真彩色遥感影像,基于已有水域矢量边界数据,提出了一种改进的GVF蛇模型水域矢量边界数据更新方法。将已有水域矢量边界数据作为GVF蛇模型初始位置,用真彩色遥感影像彩色梯度作为GVF求解中的边缘梯度,通过轮廓演化实现水域矢量边界精化,以满足水域矢量边界数据更新的要求。实验表明,本方法相比传统的GVF蛇模型、四元数及数学形态学方法具有更高的精度,而且在一定距离范围内对初始边界位置不敏感。 相似文献
2.
本文针对GIS中地物矢量边界更新繁琐、低效的问题, 提出一种以GIS数据作为先验知识的简便矢量边界更新方法.该方法针对GIS线性矢量边界只需有限个拐点描述的特性, 将对边界寻找转化为直接对矢量边界上拐点位置的确定, 简化了变化检测与更新过程.以TM遥感影像为数据源,矢量shape文件为先验知识, 分别利用该方法检测、更新扎龙湿地内克钦湖、东升水库以及一块沼泽地边界.并运用简化的缓冲区检测算法计算拐点更新准确率, 同时对本文结果与手动更新结果的相似性进行计算与分析.实验结果表明, 本方法不但简化了变化检测和更新过程, 而且可以得到接近手动更新方法的准确率, 并且更新后矢量多边形与手动更新所得到的矢量多边形保持了较高相似性, 达到了较好的效果. 相似文献
3.
遥感影像数据与地理信息系统（geographic information system,GIS）矢量数据的配准是遥感与GIS集成的基础。目前遥感影像与矢量数据的配准关键在于遥感影像特征的提取,而现有遥感影像特征提取方法存在特征提取不完整、配准失败和精度不高等问题。由此提出了一种基于Mask R-CNN（region-based convolutional neural network）的遥感影像与矢量数据配准方法,首先,利用Mask R-CNN模型提取影像的道路交叉口作为影像控制点; 然后,依据几何拓扑关系筛选矢量数据道路交叉口作为矢量控制点,再根据遥感影像与矢量数据控制点的欧氏距离确定同名控制点;最后,以同名控制点为基础实现遥感影像与矢量数据的配准。选取上海市矢量数据和高分二号影像数据进行配准实验,实验结果表明, 所提方法鲁棒性强、精度高。 相似文献
4.
通过对遥感影像中河流光谱特征的研究,提出了一种基于区域生长的遥感影像河流提取方法。该方法首先根据遥感影像生成灰度图像,选取河流生长初始区域,设置生长范围和生长阈值,通过区域生长得到河流边界,剔除河流内部"孤岛"并对边界细化,最后生成矢量文件。本文使用具有不规则河流边界的Landsat8遥感影像作为实验对象,验证方法的可行性和有效性。 相似文献
5.
更新GIS数据库的最有效手段是利用遥感资料，本文了利用遥感影像快速更新GIS数据库的可能性，在分析现有的几种栅格矢量数据传输方式后，认为实现遥感（RS）与GIS数据传输的最快最好方法是采用栅格矢量一体化数据结构，并推荐了一种三级划分的一体化数据结构，最后提出了目标引导，人机协同的遥感影像快速更新GIS数据库的方法和过程。 相似文献
6.
针对飞行器的匹配制导,提出了一种基于直线特征的遥感影像与GIS矢量数据自动匹配方法.该方法首先利用遥感影像的概咯方位参数实现预处理后的GIS数据与遥感影像概略叠加;接着对GIS直线数据叠加所在的遥感影像区域开辟窗口进行边缘检测;然后利用Hough变换同步进行折线特征提取和特征匹配;在实现过程中采用了金字塔分层和新型投票方法以节省运算时间,最终实现影像特征与GIS数据的成功匹配.实验证明了该方法的有效性和稳健性. 相似文献
7.
8.
《武汉大学学报(信息科学版)》2005,(11)
基于蚁群行为仿真的影像分割(郑肇葆)一文提出了以像元的灰度值、能量值和分形维作为信息素的蚁群行为仿真的图像分割原理和方法。由该方法对三幅航空影像进行了图像分割试验,得到图像的粗分割;再经过精处理,得到图像分割的最终结果。采用标记点量测的方法,对分割图像作出质量评价,结果表明了该方法的有效性。TM影像与GIS矢量数据的自动配准(张剑清,等)一文介绍了一种新的基于信息融合的TM影像和GIS矢量数据自动配准方法。首先建立TM影像和GIS矢量数据的近似变换关系,在此基础上以矢量地图上的信息(水系、道路网等)为先验知识,利用多… 相似文献
9.
TM影像与GIS矢量数据的自动配准 总被引：5，自引：0，他引：5
介绍了一种新的基于信息融合的TM影像和GIS矢量数据自动配准方法。首先建立TM影像和GIS矢量数据的近似变换关系,在此基础上以矢量地图上的信息(水系、道路网等)为先验知识,利用多尺度模板匹配法对TM影像中的线状信息进行自动提取。把自动提取的结果作为像方观测,矢量地图数据作为地面观测,通过广义点摄影测量原理和方法,解算出TM影像的外参数,实现新的TM影像和旧的GIS矢量数据的自动配准。实验结果表明,一般情况下,本文方法达到了像素级精度,且大大提高了工作效率。 相似文献
10.
GVF Snake与显著特征相结合的高分辨率遥感图像道路提取 总被引：2，自引：0，他引：2
高分辨率遥感图像中的道路信息,对地理信息系统数据库的更新具有重要的意义。本文通过分析道路在遥感图像中所呈现的特性,提出了一种基于显著特征和GVF Snake的高分辨率遥感图像道路提取方法。该方法根据视觉认知理论将道路的几何特性和辐射特征作为显著特性。首先,通过融合颜色对比度和空间统计特征计算显著性图,并以输出的显著图的最大值作为GVF Snake的初始种子点;再利用区域生长法求出道路的初始边界,通过梯度矢量流模型的迭代求解,并最小化能量函数,实现道路信息的自动提取。试验结果表明,本文所提出的方法提高了不仅可以提高计算效率,还具有较好的检测精度。 相似文献
11.
12.
13.
14.
相比于正交T-Snake算法,传统Balloon Snake算法不受格网约束,能够更加精确提取高分辨率遥感影像上水体,然而尚不能解决河中岛引起的拓扑冲突问题。由此,本文提出了一种改进Balloon Snake算法(T-Balloon Snake),设计了目标内部由于空洞引起的拓扑冲突检测与处理机制。算法首先在目标水体内部手动设置一个初始轮廓,在曲线每次膨胀前对曲线进行自相交检测,若存在拓扑冲突则对曲线进行分裂与合并处理,最终直至迭代停止。实验选取了三类湖泊与河流高分影像,实现了复杂遥感影像水体矢量边界的一次性精确提取。实验结果表明,该方法可直接有效提取水体中深凹以及岛状边界,在提取结果正确性和完整性上都优于传统Balloon Snake算法。 相似文献
15.
高分辨率遥感影像上细节信息繁杂、干扰物普遍存在,对其进行自动化道路识别与提取的相关研究仍处在探索阶段。在道路提取过程中引入矢量数据辅助,可解决初始信息获取的困难,得到可靠性较强的训练样本。为此,提出一种矢量数据辅助下的道路提取方法,能够筛选出矢量数据中包含的有效信息,引导实现对高分辨率遥感影像的道路自动提取。利用Mean-shift滤波对图像进行预处理后,首先从矢量数据获取候选种子点,并通过提炼同质区域的形状特征剔除错误候选点;然后,自动获取负样本点以进行朴素贝叶斯分类,并采用邻域质心投票算法从分类影像提取道路中心线;最后,结合像素跟踪与方向判断矢量化道路中心线,并提出一种基于矢量几何分析的断线连接与毛刺剔除方法,对提取结果进行信息修复与规整、优化。实验结果显示,该算法的提取质量达到80%以上,且具备较强的稳健性,能够适应具有不同道路辐射和分布特征的高分辨率遥感影像。 相似文献
16.
当前的遥感科学面临着遥感数据获取能力与数据应用能力之间突出的供需矛盾。尺度问题作为遥感科学中的关键问题,既限制了遥感作为一门科学向系统性、普适性的发展,又限制了遥感应用能力的发展。本文对定量遥感中的尺度问题进行了梳理,包括:遥感与传统站点观测之间的不一致、不同尺度遥感产品之间的不一致、机理模型的尺度适用问题,以及遥感产品与用户需求时空尺度间的不一致。对遥感中的尺度转换方法展开了讨论,总结了尺度转换的关键问题在于原数据信息量不足时引入额外信息和保留关键信息两方面。提出了构造地理要素趋势面的基本构想,搭建了一个具有普适性的尺度转换方法框架。核心内容是充分利用地表环境要素时间、空间上的信息作为先验知识,通过关联遥感观测新信息和先验趋势面生成指定时空尺度的地表要素产品。 相似文献
17.
矢量C-V模型的高光谱遥感影像分割 总被引：1，自引：0，他引：1
高光谱遥感影像除了包含普通2维影像所具有的空间信息还包含了1维光谱信息,传统的针对2维影像的分割方法不能很好地应用于高光谱遥感影像。为此,本文提出一种能够同时处理多波段影像的高光谱遥感影像矢量C-V模型分割方法。首先选出高光谱遥感影像中目标与背景对比度较大的波段,并通过计算波段相关系数,去除其中的冗余信息形成新的波段组合,进而根据所确定的波段组合构建高光谱遥感影像矢量矩阵;在此基础上,构造基于该矢量矩阵的矢量C-V分割模型。模型中通过引入基于梯度的边缘引导函数,在保留传统C-V模型基于区域信息进行影像分割的基础上,利用影像的边缘细节信息,增强了模型在异质区域和复杂背景情况下对目标边缘的捕捉能力,提高了对高光谱遥感影像的分割精度和速度。最后利用HYPERION数据进行仿真实验,并将实验结果和传统C-V模型和相关方法进行了对比,结果表明,本文方法能够在短时间内有效地分割高光谱遥感影像,与传统方法相比,具有分割精度更高运算速度更快的特点。 相似文献
18.
本文提出将矢量空间数据与影像数据间配准转换到矢量空间数据间匹配的思路,并开展了相关研究。本文主要思路是通过对影像数据进行基于形状特征的提取及矢量化,然后利用矢量空间数据间匹配方法对矢量化后数据和现有矢量空间数据进行匹配,获取匹配实体对;在获取的匹配实体对中选取控制点对,在矢量化后数据中选取控制点,将所选取的控制点反馈到原始遥感影像上进而获得控制点相应的像元坐标;最后应用矢量化后数据中控制点的像元坐标数据和现有矢量空间数据中对应的同名点坐标数据对原始影像进行几何纠正,从而实现矢量空间数据和影像数据的配准。 相似文献