利用稀疏分解的高分辨率遥感图像线状特征检测

黄秋燕; 冯学智; 肖鹏峰

doi:10.13203/j.whugis20130252

利用稀疏分解的高分辨率遥感图像线状特征检测

doi: 10.13203/j.whugis20130252

¹ 南京大学地理信息科学系,江苏南京,210023;² 广西师范学院北部湾环境演变与资源利用省部共建重点实验室,广西南宁,530001;³ 广西师范学院资源与环境科学学院,广西南宁,530001

基金项目: 国家自然科学基金资助项目(40801166)；国家863计划资助项目(2008AA12Z106)

详细信息

作者简介:
黄秋燕,副教授,博士生,主要从事遥感数字图像处理研究。

中图分类号: P237

An Approach for Linear Feature Detection from Remote Sensing Images withHigh Spatial Resolution Based on Sparse Decomposition

¹Department of Geographical Information Sciences,Nanjing University,Nanjing 210023,China;²Beibu Gulf Environmental Evolution and Resources Utilization Laboratory at the Provincial Ministry of EducationKey Laboratory,Guangxi Normal University,Nanning 530001,China;³School of Resource and Environment Science,Guangxi Normal University,Nanning 530001,China

Funds: The National Natural Science Foundation of China,No.40801166;the National High Technology Research and De-velopment Program of China(863Program),No.2008AA12Z106.

More Information

Author Bio:
HUANG Qiuyan,associate professor,PhD candidate,specializes in remote sensing digital image processing and its applica-tions.

摘要: 目的线状特征检测是利用遥感数据开展地物目标自动识别的重要步骤。利用高分辨率遥感图像的高度细节化特点,针对现有线状特征检测方法存在的问题,提出了一种基于稀疏分解的高分辨率遥感图像线状特征检测方法。采用 K-SVD字典学习算法获取线状特征表达所需的过完备字典,基于稀疏分解模型,从高分辨率遥感图像中分离出高频成分,实现遥感图像线状特征的初步检测;用曲波分层自适应阈值法对分离后的高频成分作降噪处理,以提高线状特征检测的效果。利用 QuickBird图像进行实验的结果显示,该方法在线段连续性、低对比度线段检测与椒盐噪声消除方面均有一定优势。
- 稀疏分解 /
- 过完备字典 /
- 线状特征检测 /
- 高分辨率遥感图像 /
- 自适应阈值
Abstract: Objective Linear feature detection from remote sensing data is an importance step in automatic targetrecognition.A high spatial resolution remote sensing image is highly detailed,which causes problemsfor some linear feature detection methods with edge fractures and fuzzy,salt and pepper noise.In thispaper,a novel linear feature detection approach for high spatial resolution remote sensing imagesbased on sparse decomposition is proposed.First,an over-complete dictionary for linear feature detec-tion was designed with a K-SVD algorithm.Using the sparse decomposition model,high frequencycomponents were extracted from high spatial resolution remote sensing images,realizing initial detec-tion of linear features from high spatial resolution remote sensing images.Then,denoising with aCurvelet and hierarchical adaptive threshold was applied to the high frequency component,which im-proved the linear feature detection effect..Finally,a simulation based on QuickBird data was execu-ted.Experimental results verified that the proposed method is superior to the Canny and Sobel meth-ods for line continuity,low contrast line detection,and salt and pepper noise elimination.
- sparse decomposition /
- over-complete dictionary /
- linear feature detection /
- high spatial res-olution remote sensing image /
- adaptive threshold

[1]

Mei Tiancan,Li Deren,Qin Qianqing.Extractionof Linear Feature from Remote Sensing Image Basedon Watershed Transform[J].Geomatics and Infor-mation Science of Wuhan University,2004,29(4):338-341(梅天灿,李德仁,秦前清.分水岭变换在遥感影像线状特征提取中的应用[J].武汉大学学报·信息科学版,2004,29(4):338-341)[2] Lin Zongjian,Liu Zhengrong.Methods and Pros-pects of Road and Linear Structure Extraction fromRemote Sensing Image[J].Geomatics and Infor-mation Science of Wuhan University,2003,28(1):90-93(林宗坚,刘政荣.从遥感影像提取道路信息的方法评述 [J].武汉大学学报 · 信息科学版,2003,28(1):90-93)[3] Li Xiaofeng,Zhang Chi,Pan Xin,et al.Represen-tation of Location-specific Space-time AccessibilityBased on Time Geography Framework[J].Geomat-ics and Information Science of Wuhan University,2010,35(9):1079-1081(李晓峰,张弛,潘欣,等.贝特朗曲线性质在高分辨率遥感影像道路边缘信息提取中的应用[J].武汉大学学报·信息科学版,2010,35(9):1079-1081)[4] Starck J,Murtagh F,Fadili J M.Sparse Image andSignal Processing:Wavelets,Curvelets,Morpho-logical Diversity[M].Cambridge:Cambridge Uni-versity Press,2010[5] Aharon M,Elad M,Bruckstein A.K-SVD:an Al-gorithm for Designing Over-complete Dictionariesfor Sparse Representation[J].IEEE Transactionson Signal Processing,2006,54(11):4311-4322[6] Mallat S G,Zhang Z. Matching Pursuits withTime-frequency Dictionaries[J].IEEE Transac-tions on Signal Processing,1993,41(12):3397-3415[7] Chen S S,Donoho D L,Saunders M A.Atomic De-916 第39卷第8期黄秋燕等:利用稀疏分解的高分辨率遥感图像线状特征检测composition by Basis Pursuit[J].SIAM Journal onScientific Computing,1998,20(1):33-61[8] Starck J L,Elad M,Donoho D L.Image Decompo-sition via the Combination of Sparse Representationsand a Variational Approach[J].IEEE Transactionson Image Processing,2005,14(10):1570-1582[9] Sardy S,Bruce A G,Tseng P.Block CoordinateRelaxation Methods for Nonparametric Wavelet De-noising[J].Journal of Computationaland Graph-ical Statistics,2000,9(2):361-379[10]Starck J,Candès E J,Donoho D L.The CurveletTransform for Image Denoising[J].IEEE Transac-tions on Image Processing,2002,11(6):670-684[11]Serre T,Wolf L,Bileschi S,et al.Robust ObjectRecognition with Cortex-like Mechanisms[J].IEEE Transactions on Pattern Analysis and Ma-chine Intelligence,2007,29(3):411-426[12]Wright J,Yang A Y,Ganesh A,et al.RobustFace Recognition via Sparse Representation[J].IEEE Transactions on Pattern Analysis and Ma-chine Intelligence,2009,31(2):210-227

[1]	宋志娜, 眭海刚, 李永成. 高分辨率可见光遥感图像舰船目标检测综述 . 武汉大学学报 ● 信息科学版, 2021, 46(11): 1703-1715. doi: 10.13203/j.whugis20200481
[2]	王志盼, 沈彦, 王亮, 张清凌, 尤淑撑. 单类分类框架下的高分辨率遥感影像建筑物变化检测算法 . 武汉大学学报 ● 信息科学版, 2020, 45(10): 1610-1618. doi: 10.13203/j.whugis20180485
[3]	吴柯, 何坦, 杨叶涛. 基于混合像元分解与EM算法的中低分辨率遥感影像变化检测 . 武汉大学学报 ● 信息科学版, 2019, 44(4): 555-562. doi: 10.13203/j.whugis20160546
[4]	叶昕, 秦其明, 王俊, 郑小坡, 王建华. 利用高分辨率光学遥感图像检测震害损毁建筑物 . 武汉大学学报 ● 信息科学版, 2019, 44(1): 125-131. doi: 10.13203/j.whugis20150490
[5]	刘文轩, 祁昆仑, 吴柏燕, 吴华意. 基于多任务联合稀疏和低秩表示的高分辨率遥感图像分类 . 武汉大学学报 ● 信息科学版, 2018, 43(2): 297-303. doi: 10.13203/j.whugis20160044
[6]	薛帅, 王光霞, 郭建忠, 余文涛, 徐新伟. 顾及最大绝对误差的频率域矢量数据压缩算法 . 武汉大学学报 ● 信息科学版, 2018, 43(9): 1438-1444. doi: 10.13203/j.whugis20160452
[7]	康一飞, 潘励, 孙明伟, 陈奇, 王越. 基于高斯混合模型法的国产高分辨率卫星影像云检测 . 武汉大学学报 ● 信息科学版, 2017, 42(6): 782-788. doi: 10.13203/j.whugis20140875
[8]	沈佳洁, 潘励, 胡翔云. 可变形部件模型在高分辨率遥感影像建筑物检测中的应用 . 武汉大学学报 ● 信息科学版, 2017, 42(9): 1285-1291. doi: 10.13203/j.whugis20150048
[9]	徐健, 常志国, 张小丹. 采用交替K-奇异值分解字典训练的图像超分辨率算法 . 武汉大学学报 ● 信息科学版, 2017, 42(8): 1137-1143. doi: 10.13203/j.whugis20150095
[10]	黄远程, 钟燕飞, 赵野鹤, 朱卫恒. 联合盲分解与稀疏表达的高光谱图像异常目标检测 . 武汉大学学报 ● 信息科学版, 2015, 40(9): 1144-1150. doi: 10.13203/j .whu g is20140575
[11]	邢远秀, 章登义, 赵俭辉. 利用多尺度弦角尖锐度累积的自适应角点检测算子 . 武汉大学学报 ● 信息科学版, 2015, 40(5): 617-622,627. doi: 10.13203/j.whugis20140583
[12]	魏士俨, 申振荣, 张烁, 刘少创. 月球车图像超分辨率重建算法 . 武汉大学学报 ● 信息科学版, 2013, 38(4): 436-439.
[13]	吴炜, 骆剑承, 沈占锋, 朱志文. 光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法 . 武汉大学学报 ● 信息科学版, 2012, 37(7): 800-805.
[14]	任超, 沙磊, 卢献健. 一种改进小波阀值算法的变形监测数据滤波方法 . 武汉大学学报 ● 信息科学版, 2012, 37(7): 873-875.
[15]	胡学敏, 郑宏, 司小书. 利用双指数函数导数模型进行高分辨率卫星影像目标检测 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1265-1270.
[16]	万幼川, 黄俊. 几何和图论特征对高分辨率遥感影像土地利用分类的影响 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 794-798.
[17]	龚浩, 张景雄, 申邵洪. 基于对象的对应分析在高分辨率遥感影像变化检测中的应用 . 武汉大学学报 ● 信息科学版, 2009, 34(5): 544-547.
[18]	康牧, 王宝树. 一种基于图像增强的图像滤波方法 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 822-825.
[19]	申邵洪, 万幼川, 龚浩, 赖祖龙. 遥感影像变化检测自适应阈值分割的Kriging方法 . 武汉大学学报 ● 信息科学版, 2009, 34(8): 902-905.
[20]	汪闽, 骆剑承, 明冬萍. 高分辨率遥感影像上基于形状特征的船舶提取 . 武汉大学学报 ● 信息科学版, 2005, 30(8): 685-688.

点击查看大图

计量

文章访问数: 903
HTML全文浏览量: 44
PDF下载量: 706
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

利用稀疏分解的高分辨率遥感图像线状特征检测

doi: 10.13203/j.whugis20130252

作者简介:
黄秋燕,副教授,博士生,主要从事遥感数字图像处理研究。

An Approach for Linear Feature Detection from Remote Sensing Images withHigh Spatial Resolution Based on Sparse Decomposition

Author Bio:
HUANG Qiuyan,associate professor,PhD candidate,specializes in remote sensing digital image processing and its applica-tions.

计量

利用稀疏分解的高分辨率遥感图像线状特征检测

doi: 10.13203/j.whugis20130252

¹ 南京大学地理信息科学系,江苏南京,210023;² 广西师范学院北部湾环境演变与资源利用省部共建重点实验室,广西南宁,530001;³ 广西师范学院资源与环境科学学院,广西南宁,530001

作者简介:
黄秋燕,副教授,博士生,主要从事遥感数字图像处理研究。

English Abstract

An Approach for Linear Feature Detection from Remote Sensing Images withHigh Spatial Resolution Based on Sparse Decomposition

Author Bio:
HUANG Qiuyan,associate professor,PhD candidate,specializes in remote sensing digital image processing and its applica-tions.

全文HTML

目录

留言板

利用稀疏分解的高分辨率遥感图像线状特征检测

doi: 10.13203/j.whugis20130252

作者简介: 黄秋燕,副教授,博士生,主要从事遥感数字图像处理研究。

An Approach for Linear Feature Detection from Remote Sensing Images withHigh Spatial Resolution Based on Sparse Decomposition

Author Bio: HUANG Qiuyan,associate professor,PhD candidate,specializes in remote sensing digital image processing and its applica-tions.

计量

出版历程

利用稀疏分解的高分辨率遥感图像线状特征检测

doi: 10.13203/j.whugis20130252

1 南京大学地理信息科学系,江苏 南京,210023;2 广西师范学院北部湾环境演变与资源利用省部共建重点实验室,广西 南宁,530001;3 广西师范学院资源与环境科学学院,广西 南宁,530001

作者简介: 黄秋燕,副教授,博士生,主要从事遥感数字图像处理研究。

English Abstract

An Approach for Linear Feature Detection from Remote Sensing Images withHigh Spatial Resolution Based on Sparse Decomposition

Author Bio: HUANG Qiuyan,associate professor,PhD candidate,specializes in remote sensing digital image processing and its applica-tions.

全文HTML

目录

作者简介:
黄秋燕,副教授,博士生,主要从事遥感数字图像处理研究。

Author Bio:
HUANG Qiuyan,associate professor,PhD candidate,specializes in remote sensing digital image processing and its applica-tions.

¹ 南京大学地理信息科学系,江苏南京,210023;² 广西师范学院北部湾环境演变与资源利用省部共建重点实验室,广西南宁,530001;³ 广西师范学院资源与环境科学学院,广西南宁,530001

作者简介:
黄秋燕,副教授,博士生,主要从事遥感数字图像处理研究。

Author Bio:
HUANG Qiuyan,associate professor,PhD candidate,specializes in remote sensing digital image processing and its applica-tions.