基于相位一致性的遙感影像道路特征檢測(cè)方法

韋春桃,李彩露,楊先武,吳 平

(1.桂林理工大學(xué)土木與建筑工程學(xué)院,廣西桂林 541004;2.信陽(yáng)師范學(xué)院城市與環(huán)境科學(xué)學(xué)院,河南信陽(yáng) 464002）

基于相位一致性的遙感影像道路特征檢測(cè)方法

韋春桃1,李彩露1,楊先武2,吳 平1

(1.桂林理工大學(xué)土木與建筑工程學(xué)院,廣西桂林 541004;2.信陽(yáng)師范學(xué)院城市與環(huán)境科學(xué)學(xué)院,河南信陽(yáng) 464002）

在空間域中進(jìn)行道路特征檢測(cè)容易受圖像亮度、對(duì)比度和噪聲的影響,為了克服這一缺點(diǎn),該文采用在頻率域中進(jìn)行道路特征檢測(cè)?；陬l率域的相位一致性道路特征檢測(cè)方法具有亮度和對(duì)比度不變性,特征在頻率域中表現(xiàn)出最大的相位一致性,通過(guò)計(jì)算影像6個(gè)方向的相位一致性值得到相位一致性值之和的灰度圖,對(duì)灰度圖進(jìn)行二值化,然后使用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行細(xì)化,去除噪聲,檢測(cè)出道路特征。實(shí)驗(yàn)表明,該方法對(duì)對(duì)比度、亮度變化不敏感,能夠精確地檢測(cè)出與人眼視覺(jué)相一致的道路特征。

遙感影像;相位一致性;數(shù)學(xué)形態(tài)學(xué);道路;特征檢測(cè)

道路特征是遙感影像中的主要信息,道路特征檢測(cè)技術(shù)對(duì)GIS數(shù)據(jù)更新、目標(biāo)檢測(cè)和識(shí)別、影像匹配都有重要意義,國(guó)內(nèi)外許多學(xué)者對(duì)道路檢測(cè)技術(shù)進(jìn)行了研究。道路檢測(cè)技術(shù)主要有兩種方法[1]:一種是基于區(qū)域的方法,通過(guò)獲取區(qū)域上的一點(diǎn)然后根據(jù)區(qū)域生長(zhǎng)等方法合并成一個(gè)道路區(qū)域,或直接通過(guò)區(qū)域分割得到道路區(qū)域;另一種是基于邊緣的方法,即先檢測(cè)道路邊線然后根據(jù)一定的方法恢復(fù)道路的輪廓。每種方法通過(guò)不同的檢測(cè)手段(Hough變換、模板匹配、神經(jīng)網(wǎng)絡(luò)等）獲取道路輪廓[2],由于后者簡(jiǎn)單實(shí)用并能夠較快地處理圖像,為道路特征檢測(cè)的首選方法。常用的邊緣檢測(cè)方法主要有Canny算子、Log算子、Hough變換等方法,這幾種方法主要在圖像空間域中根據(jù)圖像的灰度或梯度特征檢測(cè)圖像的邊緣,易受圖像亮度、對(duì)比度、噪聲的影響,由于道路特征可用線特征描述,特征在頻率域中表現(xiàn)出最大的相位一致性,根據(jù)特征在頻率域中的這種特性以及相位一致性對(duì)亮度和對(duì)比度具有不變性的特點(diǎn),本文使用相位一致性方法進(jìn)行道路特征檢測(cè),計(jì)算各像素6個(gè)方向上的相位一致性值,然后求取相位一致性值之和并對(duì)其進(jìn)行二值化,最后結(jié)合數(shù)學(xué)形態(tài)學(xué)進(jìn)行道路特征檢測(cè)。

1 道路檢測(cè)理論基礎(chǔ)

在低分辨率遙感影像中,道路主要呈現(xiàn)為線特征,道路交叉口主要呈現(xiàn)點(diǎn)特征,因此在低分辨率遙感影像上可以用線特征和點(diǎn)特征對(duì)道路進(jìn)行描述。在中高等分辨率遙感影像上,道路呈現(xiàn)為一系列局部灰度相似、有一定寬度的狹長(zhǎng)區(qū)域,邊界主要由兩條邊緣線組成,因此也可用線特征對(duì)道路進(jìn)行描述。

1.1 相位一致性檢測(cè)特征原理

Morrone等[3]提出了一種基于頻率域的檢測(cè)方法,通過(guò)在頻率域中分析方波和三角波的特性發(fā)現(xiàn),邊緣經(jīng)常出現(xiàn)在傅里葉分量相位最一致的地方,于1987年提出了相位一致性(Phase Congruency）的概念和計(jì)算方法,將傅里葉分量相位最一致的點(diǎn)作為特征點(diǎn),相位一致性的度量(無(wú)量綱）不受圖像亮度和對(duì)比度的影響。Kovesi對(duì)相位一致性進(jìn)行了改進(jìn)[4,5],使其能夠用于自然圖像的特征檢測(cè)。相位一致性檢測(cè)特征的原理與人類視覺(jué)系統(tǒng)對(duì)圖像特征的認(rèn)知一致[3]。

相位一致性檢測(cè)特征以方波和三角波為例(圖1、圖2）,方波的傅里葉分量(取展開(kāi)式的前4項(xiàng)）均為正弦波,在邊緣點(diǎn)各正弦分量相位相同,為0°或180°,取決于是上升沿還是下降沿,該點(diǎn)處相位一致程度最高,而在方波的其它點(diǎn)的單個(gè)相位值都在變化,使得相位一致的程度變低。三角波的傅里葉分量都是余弦波,三角方波頂點(diǎn)處的相位一致程度最高。因此,用相位一致檢測(cè)特征只需簡(jiǎn)單地尋找諧波分量疊合最大相位處就可找到特征。

圖1 方波的Fourier分量Fig.1 Fourier component of square wave

圖2 三角波的Fourier分量Fig.2 Fourier component of triangle wave

對(duì)于一維信號(hào)I(x）,其傅里葉級(jí)數(shù)展開(kāi)式為:

式中:An表示第n個(gè)余弦分量的振幅;ω是常數(shù),通常等于2π;φn0是第n個(gè)余弦分量的相位偏移量;φn (x）表示在x位置傅立葉變換成分的局部相位。

Morrone等[3]定義了一維信號(hào)I(x）的相位一致性函數(shù)PC:

1.2 相位一致性與局部能量模型

相位一致性較難計(jì)算。Ow ens等[6]指出可以用局部能量函數(shù)中峰值所在的點(diǎn)代替相位一致性最大的點(diǎn)。對(duì)于一維信號(hào)I(x）,局部能量定義為信號(hào)I(x）及其Hilbert變換H(x）的平方和的平方根:

Owens等[6]得到局部能量等于傅里葉變換各分量幅度之和與相位一致性的乘積:

相位一致性定義為:

求解最大相位一致性就轉(zhuǎn)化為求局部能量函數(shù)峰值的問(wèn)題。若所有Fourier分量都有一致的相位,則該比值為1;反之,該比值最小可以為0(實(shí)際計(jì)算時(shí)為了避免分母為0,在分母加一非常小的數(shù)ε）?？梢钥闯?相位一致性度量的無(wú)量綱特性使相位一致性易于設(shè)置閾值。

1.3 數(shù)學(xué)形態(tài)學(xué)原理

數(shù)學(xué)形態(tài)學(xué)是建立在集合論基礎(chǔ)上的一門(mén)學(xué)科,通過(guò)設(shè)計(jì)一套變換概念和算法,描述圖像的基本特征和基本結(jié)構(gòu),主要用來(lái)簡(jiǎn)化圖像。數(shù)學(xué)形態(tài)學(xué)的基本思想是通過(guò)使用一定的形態(tài)結(jié)構(gòu)元素與圖像中對(duì)應(yīng)的幾何形狀進(jìn)行分析識(shí)別,并剔除不相干的結(jié)構(gòu)以達(dá)到圖像分析和識(shí)別的目的[7]。結(jié)構(gòu)元素中包含了圖像的形狀、大小及灰度或色度信息,結(jié)構(gòu)元素的選擇直接影響道路特征檢測(cè)的效果,通過(guò)選擇一定的結(jié)構(gòu)元素達(dá)到識(shí)別道路的目的。

數(shù)學(xué)形態(tài)學(xué)由一組形態(tài)學(xué)代數(shù)算子組成,以膨脹、腐蝕為基礎(chǔ),在處理圖像時(shí)可以根據(jù)需要,由這兩種運(yùn)算組成各種復(fù)雜的運(yùn)算,如先腐蝕再膨脹組成開(kāi)運(yùn)算,先膨脹再腐蝕組成閉運(yùn)算;也可以由開(kāi)運(yùn)算、閉運(yùn)算以及原圖組成各種復(fù)雜的運(yùn)算,通過(guò)組合這些算子實(shí)現(xiàn)對(duì)圖像形狀、結(jié)構(gòu)的分析和處理。數(shù)學(xué)形態(tài)學(xué)一般用來(lái)提取影像中的幾何信息,對(duì)二值圖像更為有效,對(duì)二值化后的圖像輪廓提取效果較好,并可以通過(guò)不斷的膨脹腐蝕以消除多余的“邊刺”以達(dá)到細(xì)化和修剪道路的目的,根據(jù)數(shù)學(xué)形態(tài)學(xué)中關(guān)于4連通和8連通的定義,通過(guò)連通性控制二值化后圖像中噪聲的影響。

2 影像道路特征檢測(cè)實(shí)驗(yàn)

由于Log-Gabo r小波函數(shù)能真實(shí)地反映自然圖像的頻率響應(yīng),本文濾波器選用Log-Gabo r小波函數(shù),計(jì)算相位一致性值時(shí)需要對(duì)每個(gè)像素點(diǎn)進(jìn)行濾波,計(jì)算量較大,所以濾波器方向不宜選用過(guò)多,結(jié)合影像上道路的分布特性,本文選擇6個(gè)方向(0°,30°, 60°,90°,120°,150°）的Log-Gabor小波濾波器提取道路特征,方向可以選擇大于(或小于）6個(gè),實(shí)驗(yàn)表明濾波器的方向間隔為30°時(shí)即可得到平坦的頻譜覆蓋又能使用最少的方向數(shù)[8]。使用更多的方向數(shù)并不會(huì)明顯改變結(jié)果的性能,方向過(guò)多計(jì)算量也將增大。在濾波器的尺度和頻率選擇上,選用4個(gè)頻率尺度,其中最小尺度波長(zhǎng)為3,尺度倍數(shù)為2.1,濾波器的方向角度標(biāo)準(zhǔn)差為1.5,頻率擴(kuò)散的閾值為0.4,噪聲能量的閾值為2.0,用于計(jì)算頻率擴(kuò)散相位一致性的調(diào)和函數(shù)的收斂權(quán)值為10,選用Matlab語(yǔ)言編程實(shí)現(xiàn)。

本文選用QuickBird遙感影像和地面拍攝影像進(jìn)行實(shí)驗(yàn)。第一幅為一鄉(xiāng)村地區(qū)的遙感影像(圖3a）,大小為142×232,影像上主要分布有若干條鄉(xiāng)村小道組成的一個(gè)道路網(wǎng),道路呈不規(guī)則分布,道路寬度不同,道路邊界較農(nóng)田邊界清晰。第二幅為一城市道路遙感影像(圖3b）,大小為298×394,影像上分布有若干條道路組成的道路網(wǎng),道路邊界清晰度不同,對(duì)比度和亮度也有所不同。

圖3 原始影像Fig.3 The original images

2.1 相位一致檢測(cè)特征

常用的邊緣檢測(cè)算子有 Prew itt算子、Sobel算子、Robert算子、拉普拉斯算子、Log算子和Canny算子,其中拉普拉斯算子對(duì)噪聲比較敏感,一般不直接用于邊緣檢測(cè),Log算子是高斯函數(shù)的拉普拉斯算子。其中 Prew itt算子、Sobel算子、Robert算子和Canny算子是一階導(dǎo)數(shù)算子,拉普拉斯和Log算子是二階導(dǎo)數(shù)算子,一階導(dǎo)數(shù)邊緣檢測(cè)算子通過(guò)尋找圖像梯度局部極大值來(lái)定位邊緣,二階導(dǎo)數(shù)邊緣檢測(cè)算子通過(guò)尋找二階導(dǎo)數(shù)算子過(guò)零點(diǎn)來(lái)定位邊緣。本文選用基于二階導(dǎo)數(shù)的Log算子和基于一階導(dǎo)數(shù)的Canny算子進(jìn)行實(shí)驗(yàn)結(jié)果的分析比較。

圖4 相位一致性值之和Fig.4 The images for the sum of phase congruency value

對(duì)圖3兩幅原始影像進(jìn)行處理,計(jì)算出影像上各像素6個(gè)方向的相位一致性值,然后將其相加得到相位一致性值之和,并輸出其灰度圖(圖4）。圖3中鄉(xiāng)村道路不是單像素寬,是脈沖狀邊緣,其一階導(dǎo)數(shù)有兩個(gè)極大值,這樣在使用一階導(dǎo)數(shù)的方法進(jìn)行邊緣檢測(cè)時(shí)會(huì)出現(xiàn)雙邊緣響應(yīng),對(duì)道路的檢測(cè)效果影響較大,而鄉(xiāng)村道路檢測(cè)時(shí)一般檢測(cè)道路的中心線。

圖5為使用Canny算子檢測(cè)得到的梯度圖像。由圖5a看出,當(dāng)圖像對(duì)比度和亮度不同時(shí),Canny算子檢測(cè)出的梯度響應(yīng)會(huì)有很大的差別,橢圓區(qū)域的梯度較低,二值化時(shí)易受閾值的影響而檢測(cè)不出道路,且Canny算子檢測(cè)影像上的鄉(xiāng)村道路時(shí)會(huì)出現(xiàn)雙邊緣響應(yīng),達(dá)不到理想的檢測(cè)效果;從圖5b看出,所標(biāo)明的橢圓區(qū)域內(nèi)的邊緣響應(yīng)比區(qū)域外暗很多,是由對(duì)比度不同造成的,而且圖像中圓狀區(qū)域內(nèi)檢測(cè)出的道路也出現(xiàn)雙邊緣響應(yīng),檢測(cè)效果不滿意。

圖5 Canny算子梯度圖像Fig.5 The Canny gradient image

圖6為使用Log算子得到的梯度圖像。從圖6a可以看出,Log算子檢測(cè)道路特征優(yōu)于Canny算子,但標(biāo)明的橢圓區(qū)域內(nèi)也受圖像亮度和對(duì)比度的影響,在二值化處理后更明顯,左側(cè)橢圓可以明顯看出這一現(xiàn)象,Log算子是二階導(dǎo)數(shù)算子,通過(guò)二階導(dǎo)數(shù)過(guò)零點(diǎn)檢測(cè)邊緣;從圖6b中所標(biāo)明的橢圓區(qū)域可以看出,該區(qū)域由于對(duì)比度和亮度低于其他區(qū)域,所以產(chǎn)生的邊緣響應(yīng)較弱。從圖4可以看出,對(duì)于人眼能夠識(shí)別的邊緣,相位一致性值之和輸出的灰度圖像上都能高亮顯示出來(lái),并與原圖像視覺(jué)效果一致,圖4a與圖5a、圖6a相比,圖像所標(biāo)明的橢圓區(qū)域可以產(chǎn)生相同的相位一致性響應(yīng)值,證明相位一致性檢測(cè)道路特征不受圖像亮度、對(duì)比度的影響,較好地檢測(cè)出了實(shí)驗(yàn)圖像的所有邊緣和細(xì)節(jié),這有助于道路細(xì)節(jié)信息的提取,圖4b與圖5b、圖6b中所標(biāo)明的橢圓區(qū)域也驗(yàn)證了相位一致性不受圖像對(duì)比度和亮度的影響。

圖6 Log算子梯度圖像Fig.6 The Log gradient image

從以上幾幅圖像得到基于相位一致性的道路特征檢測(cè)算法不受圖像局部亮度和對(duì)比度的影響,即相位一致性有亮度和對(duì)比度不變性,并能夠精確檢測(cè)邊緣特征,產(chǎn)生與人眼相符的單邊緣響應(yīng),這在檢測(cè)道路時(shí)更為明顯。

對(duì)相位一致性值之和的灰度圖像進(jìn)行二值化,設(shè)置二值化閾值,以保證既能檢測(cè)出所有道路又不包含過(guò)多的噪聲。當(dāng)相位一致性值之和大于閾值時(shí)灰度設(shè)為1,小于閾值時(shí)灰度設(shè)為0。圖3a二值化閾值選為0.9,即當(dāng)6個(gè)方向的相位一致性值之和大于0.9則該像素處灰度值為1,反之為0,得到二值化圖(圖7a）;圖3b二值化閾值選為0.7,得到相位一致性二值化圖(圖7b）。從圖7可知圖像中存在很多點(diǎn)狀噪聲,根據(jù)像素的連通性將噪聲點(diǎn)去除。

2.2 數(shù)學(xué)形態(tài)學(xué)檢測(cè)道路特征

根據(jù)連通性,計(jì)算各獨(dú)立分塊的像素?cái)?shù)目,設(shè)置一個(gè)獨(dú)立分塊像素?cái)?shù)的閾值,用于去除小的獨(dú)立分塊噪聲(圖8）,此處閾值設(shè)置為30(以去除多余噪聲點(diǎn)又不去除道路邊界為準(zhǔn)）。去除噪聲后圖像道路輪廓比較明顯,但有一定的寬度,為得到單像素的道路中心線,對(duì)圖像進(jìn)行細(xì)化處理,經(jīng)過(guò)細(xì)化后道路的寬度為一個(gè)像素進(jìn)而提取出道路骨架(圖9）,檢測(cè)出道路特征后將其疊加到原圖像上,圖10是使用相位一致性檢測(cè)出的道路特征效果,圖10a中黑色線代表檢測(cè)出的道路特征,道路定位比較準(zhǔn)確;圖10b中白色線代表檢測(cè)出的道路特征,低對(duì)比度、低亮度的道路特征被檢測(cè)出,并且定位準(zhǔn)確。

2.3 實(shí)驗(yàn)分析

為了能夠更好地說(shuō)明相位一致性檢測(cè)道路特征的優(yōu)點(diǎn),使用與相位一致性相同的思路用經(jīng)典的線特征檢測(cè)算子進(jìn)行道路檢測(cè),分別選用基于一階導(dǎo)數(shù)的Canny算子和基于二階導(dǎo)數(shù)的Log算子。

圖11a為使用Canny算子進(jìn)行道路特征檢測(cè)的結(jié)果,二值化梯度閾值選用25,該閾值既能夠檢測(cè)出道路特征又不會(huì)出現(xiàn)較多噪聲;閾值若大于25,檢測(cè)出的道路較完全但噪聲也相應(yīng)增加,閾值較小時(shí)檢測(cè)出噪聲減少但道路檢測(cè)不完全,并且由于Canny算子產(chǎn)生雙邊緣響應(yīng)進(jìn)而檢測(cè)出雙邊緣的雜亂道路邊界。圖11b二值化閾值為60,可以看出雙邊緣現(xiàn)象非常明顯,圖中橢圓標(biāo)注區(qū)域未被檢測(cè)出,將閾值改小可以減少雙邊緣的影響,但同樣會(huì)有很多道路特征未被檢測(cè)出。圖12a是使用Log算子檢測(cè)道路特征的效果,可以看出Log算子能夠檢測(cè)出單邊緣的道路特征,二值化閾值為20,但與相位一致性檢測(cè)出的道路特征相比,Log算子定位精度不準(zhǔn)確,圖中道路邊界偏離道路中心線。圖12b二值化閾值為40,可以看出橢圓標(biāo)注區(qū)域的道路特征未被檢測(cè)出,閾值足夠小時(shí)能夠檢測(cè)出該區(qū)域道路特征,但噪聲也會(huì)增加。而在圖10中,相位一致性幾乎檢測(cè)出所有的道路特征,且是單響應(yīng)邊緣,定位準(zhǔn)確,不受圖像亮度、對(duì)比度的影響,與人眼視覺(jué)一致。本文閾值選擇以能夠最大限度地檢測(cè)出道路特征并含有較少的噪聲為準(zhǔn)。

通過(guò)以上實(shí)驗(yàn)比較可以看出,相位一致性二值化閾值設(shè)置時(shí)范圍較小,設(shè)置較簡(jiǎn)單,鄉(xiāng)村圖二值化閾值為0.9,城市圖二值化閾值為0.7,閾值變化范圍較小;而Canny算子鄉(xiāng)村圖二值化閾值為25,城市圖二值化閾值為60;Log算子鄉(xiāng)村圖二值化閾值為20,城市圖二值化閾值為40。可見(jiàn)Canny算子和Log算子二值化閾值范圍較大,受圖像亮度和對(duì)比度的影響。將檢測(cè)出的道路特征疊加到原圖像上后比較可以看出,相位一致性檢測(cè)精度要高于Canny算子和Log算子;由于Canny算子是求取一階導(dǎo)數(shù)極大值檢測(cè)邊緣的,在脈沖型邊緣亦即非單像素寬邊緣檢測(cè)時(shí)會(huì)有雙邊緣響應(yīng),而相位一致性能夠產(chǎn)生與人眼視覺(jué)系統(tǒng)相符合的邊緣特征。

圖11 Canny算子檢測(cè)道路圖像Fig.11 The detection images by Canny

3 結(jié)論

相位一致性在頻率域中進(jìn)行特征檢測(cè)克服了在空間域中進(jìn)行特征檢測(cè)易受圖像亮度、對(duì)比度影響的問(wèn)題,即相位一致性檢測(cè)特征時(shí)對(duì)圖像亮度和對(duì)比度具有不變性,對(duì)原始圖像上亮度和對(duì)比度不同的特征能夠產(chǎn)生相同的相位一致性響應(yīng)值,進(jìn)而設(shè)置統(tǒng)一的二值化閾值檢測(cè)出所有特征。設(shè)置閾值比較簡(jiǎn)單,而且相位一致性與人類視覺(jué)系統(tǒng)對(duì)圖像特征的認(rèn)知相一致,能夠準(zhǔn)確地定位出單邊緣的道路特征。該方法檢測(cè)道路特征效果要優(yōu)于Canny算子和Log算子,且文中主要針對(duì)中低分辨率遙感影像上的道路特征提取進(jìn)行了研究,在高分辨率遙感影像上進(jìn)行道路特征提取將是今后研究的重點(diǎn)。

圖12 Log算子檢測(cè)道路圖像Fig.12 The detection images by Log

[1] 徐友春,李華,王肖,等.基于單目視覺(jué)的普通道路檢測(cè)方法[J].軍事交通學(xué)院學(xué)報(bào),2010,12(5）:51-54.

[2] MORGAN A D,DAGLESS E L,M ILFORD D J,et al.Road edge tracking fo r robot road follow ing[J].Image and Vision Computing,1990,8(3）:233-240.

[3] MORRONE M C,OWENS R A.Feature detection from local energy[J].Pattern Recognition Letters,1987,6(5）:303-313.

[4] KOVESIP.Image features from phase congruency[J].Computer Vision Research,1999,1(3）:1-26.

[5] KOVESI P.Invariant M easures of Image Features from Phase Info rmation[D].The University of Western Australia,1996.

[6] OWENS R A,VENKA TESH S,ROSS J.Edge detection is a p rojection[J].Pattern Recognition Letters,1989,9:223-244.

[7] 張洪剛,陳光,郭軍.圖像處理與識(shí)別[M].北京:北京郵電大學(xué)出版社,2006.

[8] 胡志萍.圖像特征提取、匹配和新視點(diǎn)圖像生成技術(shù)研究[D].大連理工大學(xué),2005.

Road Feature Detection Based on Phase Congruency Using Remote Sensing Image

WEIChun-tao1,L ICai-lu1,YANG Xian-w u2,WU Ping1
(1.Department of Civil Engineering,Guilin University of Technology,Guilin 541004;
2.Department of U rban and Environment,Xinyang N ormal University,Xinyang 464002,China）

In spatial domain,the resultsof road feature detection are suscep tible to the brightness and contrast of image.To overcome this shortcoming,the features in frequency domain have been detected in this paper.The phase congruency method w hich is based on frequency domain to detect feature has invariance to brightness and contrast,and featuresof image are show n to be the largest phase congruency in the frequency domain.The phase congruency value of six directions have been calculated, and then the sum of the six valuesareobtained,a fixed threshold has been set to get a binary image.The road can be detected by mathematicalmo rphology,and the noise is also removed.Experiment results show that themethod is not sensitive to the changes of brightnessand contrast,and it can detect road feature accurately,and the featuresw hich are detected by phase congruency are consistent with human feature percep tion.

remote sensing image;phase congruency;mathematicalmorphology;road;feature detection

TP75

A

1672-0504(2011）04-0062-05

2010-12-02;

2011-03-14

廣西自然科學(xué)基金“基于頻率域的遙感影像特征檢測(cè)算法”(桂科自0728219）;廣西科學(xué)基金:廣西區(qū)應(yīng)用基礎(chǔ)研究專項(xiàng)“工程建筑變形監(jiān)測(cè)非線性融合變形分析與預(yù)報(bào)研究”(桂科基0991023）;廣西研究生教育創(chuàng)新計(jì)劃項(xiàng)目(2010105960816M 19）

韋春桃(1968-）,女,博士,副教授,研究方向?yàn)檫b感與地理信息系統(tǒng)。E-mail:wct2005@glite.edu.cn