一种新的遥感影像边缘检测方法

提出一种针对于遥感影像的边缘检测方法。该方法首先利用多个尺寸的邻域结构对图像进行平滑，然后根据图像灰度进行对象云化处理，构建对象云。通过云运算生成边界云并构建边缘模糊特征平面，在条件概率和模糊划分熵的基础上，通过最大模糊熵原则确定最优阈值，对图像模糊边界进行提取。试验结果表明，该算法能保留大量低灰度信息，并有效地去除了次要边缘对主边缘的干扰。     

多光谱图像Clifford拟微分算子及应用

采用Clifford代数理论处理多光谱图像不同于传统代数的处理方法,其可有效利用光谱层之间的联系信息.本文通过分析Clifford微分,提出了多光谱图像的Clifford拟微分算子,丰富了多光谱图像处理的Clifford代数理论体系.在边缘识别仿真实验中,与最大熵法相比较,本文提出的以Clifford拟微分算子理论为核心的边缘检测算法识别模糊边界能力更强.在医学CT影像辅助诊断边缘检测实验中,新算法能有效凸显病灶,提高了诊疗准确性和诊断效率.     

基于云空间和模糊嫡的边缘检测算法

基于模糊集理论及云理论,提出了对象云的图像模糊边缘检测方法(OCFD).算法充分考虑图像的模糊性和随机性,建立起图像空间与云空间的映射模型,生成模糊对象云和边界云,完成图像空间到云空间的映射.在云空间中实现逻辑云运算的边界云提取,提出并实现了基于边界云的过渡区定义及其提取算法.最后利用最大模糊熵在过渡区内实现检测边缘.实验证明,OCFD算法在检测性能方面优于模糊Sobel,Pal.King等算法,为图像的模糊理解和分析提供了一种新的思路,同时也丰富和拓展了云理论.     

新型云区域检测算法

为了更加精确地检测出遥感图像中云区域的边界及细节信息,提出了将最小交叉熵和形态学相结合的方法来对遥感图像进行云区域检测。从遥感图像的灰度特征出发,通过最小交叉熵准则选取最优的阈值来检测图像中的云区域,再通过形态学的开运算,消除与云区域不相连或者被误判的小的光亮的地物信息,最后在彩色遥感图像上勾勒出云区域的边界。实验结果表明,该算法简单快速,能够很好地区分出云区域和下垫面,并且能够准确地对云区域边界细节信息做出判断。     

一种基于模糊划分的边缘检测算法

基于信息论中最大熵原理，提出了一种新的基于模糊划分的边缘检测算法，并介绍了模糊概率和用条件概率与条件熵来定义模糊划分熵的概念以及模糊划分的原理。该算法是利用自然划分以及梯度图像模糊划分的关系，在条件概率与模糊划分熵的基础上，通过最大模糊熵原则来实现图像分割中最优阈值的自动提取，以实现图像的边缘检测。通过不同类型测试图像的边缘检测结果比较表明，该算法用于边缘检测能获得很好的效果。     

彩色遥感图像的一种边缘检测算法研究

针对彩色遥感图像的复杂性、模糊性和噪声强等特点,提出了一种基于多方向模糊形态学梯度的彩色遥感图像边缘检测算法.算法在模糊域中用多个不同方向的结构元素,对彩色遥感图像进行模糊形态学梯度运算以检测彩色遥感图像边缘,不但能检测出具有方向性的真实边缘,还能有效抑制无方向性的噪声.实验证明,该算法对彩色遥感图像进行边缘检测的有效性.     

基于光谱特征分析的MODIS影像去云算法的研究

去云处理是遥感图像处理的重要步骤,提出了一种新的基于光谱特征分析的MODIS影像去云算法--首先分析云和云影地域的光谱特征,总结出云影响增强模型,计算一定周期内多时相遥感影像中云影响最小的影像的索引矩阵;为了进行图像之间的匹配,选择这些影像数据中云影响最小的一幅影像作为基准图像,对于无云的部分地域,对其余影像进行一元线性回归分析;利用提取的索引矩阵和图像之间的回归模型,通过像元替换方法,可以获得去除或者弱化云影响的图像。为了验证结果的准确性,通过该算法得到的250m空间分辨率的云检测图像与NASA提供的云检测图像进行对比分析,研究结果表明：提出的去云算法能消除或者大大减弱云对MODIS影像的影响。     

基于多光谱海洋遥感图像的水陆分离方法

海洋遥感图像的水陆分离对于船舶导航、海洋工程及海洋安全领域的研究都有着十分重要的意义。针对遥感图像的多光谱特性进行研究,提出一种有效的多光谱遥感图像的水陆分离方法。在对IKONOS卫星遥感影像数据的蓝、绿、红和近红外4个波段进行光谱特性分析的基础上,选定各自的权值,采用LOG边缘检测算子分别对各波段做边缘提取,最后通过对各波段的边缘加权叠加实现水陆分离。该方法充分利用了遥感图像的多光谱特性,通过实验仿真验证了该方法对多光谱遥感图像水陆分离的有效性和可行性。     

改进Canny边缘检测的遥感影像分割

基于边缘特征的图像分割算法中,能够准确地检测出边缘是进行图像分割的前提和关键。针对目前遥感图像分割算法普遍存在鲁棒性差、易发生边缘信息缺失以及适用范围较窄的缺点,提出了一种基于改进Canny边缘检测的遥感影像分割算法。针对传统Canny高斯滤波在平滑图像的同时也模糊了边缘,改用具有保边特性的引导滤波对图像进行平滑;针对噪声对求导敏感这一问题,增加45°和135°方向梯度模板来计算图像梯度和方向;针对传统Canny算子人为设定高、低阈值的局限性问题,改用大律法自适应地根据图像灰度选取高、低阈值。为充分利用多光谱图像的优点,在进行边缘检测时采用波段分解,逐波段进行处理,随后将边缘综合成一幅结果图,最后进行区域生长。实验结果表明,与其他和传统边缘检测的分割方法相比,该方法在遥感影像分割中取得了较好的结果。     

一种用细胞神经网提取遥感图像边缘的新方法*

针对灰度遥感图像具有噪声多、图像亮度均匀、边缘模糊等特点,提出了基于细胞神经网遥感图像边缘检测的新方法。该算法主要是利用细胞神经网先后对遥感图像进行图像滤波、灰度阈值化、膨胀腐蚀、边缘检测等模板操作。实验结果表明,与传统的Sobel和Canny边缘检测算法相比,本算法不仅能有效地去除噪声对边缘检测的影响,而且能够快速完整地提取图像边缘。     

基于纹理-模糊连接度的遥感影像道路自动提取

提出一种基于纹理-模糊连接度的遥感影像道路信息全自动提取算法。利用Canny算子对影像进行边缘检测,通过道路阈值和分类算法的联合优化,提取出道路种子点。定义了包含纹理能量的模糊连接度,对影像中各像素相对于多种子点的连接度进行遍历计算,寻址最优路径,从而识别出完整的道路。实验结果表明,该道路提取算法相对于模糊连接度算法精度更高,具有较强的通用性。     

基于剖分理论的遥感影像模板数据模型

随着数据量的增加和应用需求的扩大,遥感数据的高效组织管理和快捷处理速度已经成为制约遥感技术应用的瓶颈,地球剖分理论和高性能计算为上述问题解决提供了一种可能途径。针对上述问题,结合地球剖分模型,在遥感影像剖分面片的研究基础上,提出了剖分面片模板的概念模型及数据模型,设计了基于剖分面片模板的计算模式,构建了一个小型化剖分遥感影像模板数据库,并通过一个模板化应用的具体实例对上述模型进行了部分验证。实验结果验证了模型的可行性,提高了目标检索的效率。     

基于支持向量机的遥感图像厚云去除算法

厚云的存在大大降低了遥感图像的利用率,利用支持向量机超强捕获边缘点的能力和图像融合方法,提出了一种基于支持向量机遥感图像厚云去除算法。首先构造支持向量值轮廓波变换并对图像进行分解,然后进行云层检测和图像融合,最后进行支持向量值轮廓波逆变换,得到重构图像。仿真实验表明,对于有厚云覆盖但无云区重叠的遥感图像,该算法能取得满意的去云效果,不仅保留了图像边缘信息,而且有效地解决了云层残留问题。     

遥感影像中模糊对象表达

遥感影像中的空间对象及其边界具有模糊性。针对遥感影像中模糊对象的表现特征,借助云理论和云模型来对模糊对象进行表达研究。基于影像的灰度和梯度等数字特征,构建基于数字图像的对象云,用对象云表达模糊对象,核外半云环表达其边界,从而用模糊数学的方法来合理表达遥感影像模糊对象,最后以遥感影像为例进行验证。该方法不仅丰富和完善了云理论,同时也为模糊对象表达,遥感影像的理解和分析提供了一种新的思路。     

小波方向子带偏微分方程遥感图像去噪

针对小波阈值法在去除遥感图像高斯噪声时,所存在的由于过度"扼杀"小波系数而引起的模糊边缘问题,以及P-M模型通常会使图像的灰度趋于分段常量而产生所谓的"块状"效应问题。提出小波域偏微分方程(PDE)遥感图像去噪模型,该模型通过对遥感图像进行小波分解,保持低频子带信息,而只对含有噪声、图像边缘的高频子带进行基于子带方向特性的非线性异性扩散,使模型在有效去除高斯噪声的同时,能够很好地保护遥感图像中的边缘特征和细节纹理信息,避免了去噪后的结果图像出现分段常量现象。实验结果表明,对于相同的遥感图像高斯噪声,基于所提出混合模型的去噪图像的PSNR较基于类零树的Bayes阈值法和P-M模型提高了1～2dB。