北京航空航天大学交通科学与工程学院，北京 100191
以重庆涪陵区为实验区，利用无人飞艇遥感数据采集平台进行了以应急 情况下提供正射影像为目的的快速数据获取和处理过程实验。对航线设计和数据处理过程进行了 详细介绍。实验结果表明，利用无人飞艇遥感技术可以满足地形复杂区域的综合应急需求和大比例尺制图 精度要求。
无人飞艇 低空遥感 数据采集 快速处理 unmanned airship low-altitude remote sensing data collecting fast processing
1 北京航空航天大学交通科学与工程学院， 北京100191
2 清华大学土木工程系， 北京100084
针对高分辨率遥感图像边缘突出、 上下文信息丰富等特点， 提出一种融合边缘特征的区域分割算法， 基于面向对象图像分析方法， 综合考虑遥感图像的光谱和空间特征。 首先应用SUSAN算子对全色波段图像提取边缘信息， 然后对融合后的彩色图像进行两阶段分割， 第一阶段采用倒四叉树融合成初始图像对象， 在第二阶段中通过在区域异质性判据中增加边界强度特征的方式融合已提取的边缘信息进行分级区域合并， 形成图像分割结果。 文中用三峡库区某区域QuickBird数据进行了实验， 并与ENVI Zoom和Definiens下的分割结果进行了效果对比和定量评价， 结果表明该方法可行、 有效
遥感图像 区域分割 边缘 面向对象 四叉树 Remote sensing image Region segmentation Edge-based Object-oriented Quad-tree 光谱学与光谱分析
2010, 30(6): 1624
1 北京航空航天大学交通科学与工程学院， 北京 100191
2 清华大学土木工程系， 北京 100084
针对高分辨率遥感图像分割过程中区域合并复杂性问题，提出了一种基于边界引导的多尺度遥感图像分割算法.一方面应用SUSAN算子提取高分辨率遥感图像中地物的边界用于限制区域增长过程；另一方面进行两阶段增长，首先应用基于图的分割算法进行基于像素的区域生长，然后进行考虑对象特征信息的区域合并.对宜昌城区某处融合后的QuickBird彩色图像进行了实验，并分别与无边界引导分割以及eCognition平台下图像分割效果进行了对比.结果表明，该方法可以有效抑制传统图像分割算法在低对比度区的区域融合问题，突破了分割尺度参数不能在全图取得合理分割的局限性.
边界引导 遥感图像分割 区域合并 edge-guided remote sensing image segmentation region merging
