彩色栅格交通地图图像中道路识别与提取

在地图图像数学模型的基础上,根据地图中各类对象的颜色特征对地图图像进行规范化处理;在分析地图图像中噪声特征的基础上,利用噪声的自身特征和数学形态学的基本疗法来消除地图图像中的噪声,以达到识别与提取完整的道路网络的目的．该方法对道路欠识别进行了处理,并以实例来验证其对道路网络识别与提取的过程及其效果．     

地图信息的分层提取

提出了一种分层提取彩色地图信息的方法。首先根据一般地图中区域要素的结构和颜色特点,利用统计的方法实现区域规范化,这一步基本上不需要人工干预;然后采用模板匹配方法提取地图中的标识,这些识别出来的标识一方面作为一层信息被提取出来,另一方面对后面的道路的提取有着重要的作用;提取道路时,充分利用它们的颜色特征和连通特性,结合前面提取出来的标识以及地图中的其它要素对道路进行连接、修补处理。试验结果表明了该方法的有效性。     

基于区域特征和连接成分的地图规范化算法

地图图像规范化算法是使地图图像同类型对象的某种属性具有相同的表现形式的一种方法或过程,它是地理信息识别的一个重要步骤。根据彩色栅格城市交通地图图像中各类地理要素的特征,提出一种基于区域特征和连接成分的地图图像规范化算法。首先对地图图像中的区域特征进行分析,并建立区域识别测度,实现了区域颜色规范化;再通过对非区域对象的连接成分进行分析,并建立道路识别测度,在区域颜色规范化的基础上,实现了道路颜色规范化。实验结果表明,对于彩色城市交通地图图像,该算法取得了良好的效果。     

基于区域特征和连接成分的地图规范化算法

地图图像规范化算法是使地图图像同类型对象的某种属性具有相同的表现形式的一种方法或过程，它是地理信息识别的一个重要步骤。根据彩色栅格城市交通地图图像中各类地理要素的特征，提出一种基于区域特征和连接成分的地图图像规范化算法。首先对地图图像中的区域特征进行分析，并建立区域识别测度，实现了区域颜色规范化；再通过对非区域对象的连接成分进行分析，并建立道路识别测度，在区域颜色规范化的基础上，实现了道路颜色规范化。实验结果表明，对于彩色城市交通地图图像，该算法取得了良好的效果。     

基于标签分类的道路提取算法

文中研究对彩色地图图像中的道路和区域识别提取的问题。讨论了基于标签分类的一种按颜色分离地图要素的算法，对于其结果用数学形态学方法进行优化。该算法充分利用栅格地图的颜色信息和空间信息并取得了良好的实验结果。     

彩色公路交通地图图像道路提取

根据彩色公路交通地图的图像特征,提出一种新颖的道路识别与提取方法。这种方法包括三个关键步骤。首先,根据区域的特征,提取出区域的灰度值;其次,根据道路的颜色和形状特征以及数字图像处理的一些方法（如对象的连通成分等）,识别并提取出道路的颜色;最后,为了获得完整的道路网络,一些道路连接方法被提出。这种算法已经被应用于许多彩色公路地图图像中去提取道路网络。大量成功的实例表明这个算法是非常有效的。     

彩色地图图像中道路信息的识别和提取

本文研究对彩色地图图像中的道路识别提取的问题。讨论了基于聚类分析的一种按颜色分离地图要素的算法,并对若干影响效果的问题提出了修正和解决办法。     

采色地图图像中道路信息的识别和提取

本文研究对彩色地图图像中的道路识别提取的问题。讨论了基于聚类分析的一种按颜色分离地图要素的算法,并对若干影响效果的问题提出了修正和解决办法。     

彩色地图中道路的识别和提取

对彩色地图中道路信息的识别与提取方法进行了研究,根据道路自身的特征,提出了一种利用圆形度与颜色特征相结合的提取方法,同时,对若干相关问题进行了详细的介绍,如区域标记、圆形度等.还介绍了对道路信息提取之后的细父化和矢量化,并着重描述了道路细化过程中形态变换的用法.通过研究可以得出,利用这种提取方法可以使处理的结果更准确,而且在提取的过程中可以很自然的把道路上的文字等噪声去掉.     

基于外延特征的栅格地图噪声去除算法

为了既能去除彩色城市交通地图的噪声，又能保持有用信息不致损失，在对彩色地图进行像素分类、聚类的基础上，提出了一种基于外延特征的栅格地图噪声去除新算法，该算法首先以所处理的噪声像素为原点建立一个极坐标，再通过8方向搜索来获得噪声像素的外延特征；然后按照“无偏”聚类准则与“有偏”聚类准则，确定该噪声点对道路或区域的新聚类。实验结果表明，该新方法不仅完全去除了地图中的噪声，而且使区域和道路界限分明。     

彩色公路地图的道路自动提取

首先采用模板匹配、特征抽取等方法提取城市和道路的标识,这些标识对后面的道路的提取有着重要的作用;然后根据道路的等级,在颜色基础上利用道路的特征分层提取道路图层;最后对道路进行细化,依据城市与道路,各种道路间的关系以及道路的特征建立一系列的判据,检查道路的合理性,并产生相应的策略对道路进行反馈处理,实现道路的全自动提取．实验结果表明了该方法的有效性．     

基于内容特征和风格特征融合的单幅图像去雾网络

基于深度学习的方法在去雾领域已经取得了很大进展,但仍然存在去雾不彻底和颜色失真等问题.针对这些问题,本文提出一种基于内容特征和风格特征相融合的单幅图像去雾网络.所提网络包括特征提取、特征融合和图像复原三个子网络,其中特征提取网络包括内容特征提取模块和风格特征提取模块,分别用于学习图像内容和图像风格以实现去雾的同时可较好地保持原始图像的色彩特征.在特征融合子网络中,引入注意力机制对内容特征提取模块输出的特征图进行通道加权实现对图像主要特征的学习,并将加权后的内容特征图与风格特征图通过卷积操作相融合.最后,图像复原模块对融合后的特征图进行非线性映射得到去雾图像.与已有方法相比,所提网络对合成图像和真实图像均可取得理想的去雾结果,同时可有效避免去雾后的颜色失真问题.     

Contour line and geographic feature extraction from USGS color topographical paper maps

This paper presents a method for the extraction of contour lines and other geographic information from scanned color images of topographical maps. Although topographic maps are available from many suppliers, this work focuses on United States Geological Survey (USGS) maps. The extraction of contour lines, which are shown with brown color on USGS maps, is a difficult process due to aliasing and false colors induced by the scanning process and due to closely spaced and intersecting/overlapping features inherent to the map. These difficulties render simple approaches such as clustering ineffective. The proposed method overcomes these difficulties using a multistep process. First, a color key set, designed to comprehend color aliasing and false colors, is generated using an eigenvector line-fitting technique in RGB space. Next, area features, representing vegetation and bodies of water, are extracted using RGB color histogram analysis in order to simplify the next stage. Then, linear features corresponding to roads and rivers including contours, are extracted using a valley seeking algorithm operating on a transformed version of the original map. Finally, an A* search algorithm is used to link valleys together to form linear features and to close the gaps caused by intersecting features. The performance of the algorithm is tested on a number of USGS topographic map samples.     

An improved SOM algorithm and its application to color feature extraction

Reducing the redundancy of dominant color features in an image and meanwhile preserving the diversity and quality of extracted colors is of importance in many applications such as image analysis and compression. This paper presents an improved self-organization map (SOM) algorithm namely MFD-SOM and its application to color feature extraction from images. Different from the winner-take-all competitive principle held by conventional SOM algorithms, MFD-SOM prevents, to a certain degree, features of non-principal components in the training data from being weakened or lost in the learning process, which is conductive to preserving the diversity of extracted features. Besides, MFD-SOM adopts a new way to update weight vectors of neurons, which helps to reduce the redundancy in features extracted from the principal components. In addition, we apply a linear neighborhood function in the proposed algorithm aiming to improve its performance on color feature extraction. Experimental results of feature extraction on artificial datasets and benchmark image datasets demonstrate the characteristics of the MFD-SOM algorithm.     

一种自动抽取图像中可判别区域的新方法

图像分割是图像处理中的一个难题，为了自动抽取图像中的可差别区域，提出了一种基于自组织图归约算法的区域抽取新方法，首先，利用包括颜色、纹理以及位置在内的多模特征抽算法，原始图像被转换成特征，接着，通过自组织映射学习算法，特征图映射成自组织图，然后，对自组织图实施归纳算法得到一族约简的自组织图谱系；最后，利用一个 综合的聚类有效性分析指标从约简的自组织图谱系中得到一个最优约简的自组织图，以此实现图像区域的分割，新方法的有效性通过两个评价实验得到了验证。     

结合暗原色图像参考的单幅图像去雾*

针对在暗原色先验理论下对天空区域的透射率估计总是过于偏小的问题,提出了一种基于暗原色图像的透射率纠正方法。以暗原色图像为参考,提取其天空等明亮区域的灰度归一化值替换生成新的透射率图。该方式提高了天空区域的透射率值,使其更接近于真实值。实验结果表明,对于各类雾化图像,在无需调整各参数值的情况下,该算法均能很好地避免天空区域出现色差失真问题;同时对于不含天空区域的图像,去雾仍然有效。此外,算法执行时无需进行复杂的天空区域识别及提取等操作。算法在实际去雾应用中实现了无参化,自动化程度高;对于分辨率为640?480彩色图像,速度可达1.5帧/s。     

面向复杂背景中彩色立体图像的障碍物检测

目标识别技术作为图像理解领域的核心研究内容之一,一直以来是文献中讨论的热门话题.随着计算机科学的发展以及彩色成像设备的普及,越来越多的彩色立体图像在实际生产、生活中得到应用,面向彩色立体图像的目标识别技术逐渐成为吸引学者注意力的新方向.本文基于立体视觉信息,对安装在行进车辆上的两个摄像机在一段时间内获取的立体视频信息进行分析,提取车辆前方可能对行车安全造成威胁的障碍物.在V视差理论的基础上引入两个改进算法首先对原始立体图像进行数据净化和前景/背景分割,使后续算法不受复杂、多变背景的干扰,同时减少数据处理的冗余.然后使用绝对值差(SAD)[9]法直接计算彩色立体图像的浓密视差图,而无需彩色到灰度图像的转换.实验证明,本文提出的改进算法针对实际立体图像可以准确、快速地提取障碍物信息.