一种鲁棒性的遥感图像地域分类新方法

目前遥感图像分类算法面临的主要问题是分类精度与算法复杂度的矛盾及算法缺乏鲁棒性。为此,提出了一种基于特征空间重采样的非参数化核密度估计聚类与边缘检测相融合的多模型鲁棒性遥感图像分类方法。首先对遥感图像进行边缘检测以获取图像中每个像素的边缘梯度和方向信息;然后利用重采样策略,在联合域中对新的样本集合进行加权均值平移滤波,找到图像各区域的核密度函数局部最大值,通过迭代移动附近的数据点到此局部最大值;最后对各个分割区域进行合并,得到最终的分类图。实验结果表明,算法可获得高精度的遥感图像分类结果,且具有很强的鲁棒性。     

遥感图像特征定位算法的仿真分析

研究遥感图像中的特征准确定位问题.天空中的碎云层会对通信卫星发出的成像射线形成一定的阻挡,造成遥感碎云干扰,使得在有碎云干扰情况下形成的遥感图像中的特征会发生较大程度的形变.传统的遥感图像匹配方法多是在无云情况下采集的图像,一旦遥感图像受到碎云干扰,会造成后期特征定位准确度大幅下降.提出一种基于人类视觉系统(HVS)优化模型的碎云干扰消除算法,通过提取存在碎云干扰的遥感图像纹理特征,将带有碎云干扰纹理特征转换到HVS空间,运用滤波方法对其进行碎云干扰的消除,克服干扰给后期识别带来的弊端.仿真结果表明:改进方法能够有效的定位碎云干扰下的特征,定位准确性有了提高.     

一种鲁棒性的遥感图像地域分类新方法

目前遥感图像分类算法面临的主要问题是分类精度与算法复杂度的矛盾及算法缺乏鲁棒性。为此,提出了一种基于特征空间重采样的非参数化核密度估计聚类与边缘检测相融合的多模型鲁棒性遥感图像分类方法。首先对遥感图像进行边缘检测以获取图像中每个像素的边缘梯度和方向信息;然后利用重采样策略,在联合域中对新的样本集合进行加权均值平移滤波,找到图像各区域的核密度函数局部最大值,通过迭代移动附近的数据点到此局部最大值;最后对各个分割区域进行合并,得到最终的分类图。实验结果表明,算法可获得高精度的遥感图像分类结果,且具有很强的鲁棒性。     

基于SVM的遥感图像自动分类研究

遥感图像具有信息大、灰度级大等特点,传统简单组合特征出现特征冗余、维数高等缺陷,造成图像分类精度差.为提高分类的准确性,提出一种多目标优化人工蜂群算法的遥感图像自动分类算法(ABC-SVM).首先提取遥感图像的颜色、纹理特征,然后采用人工蜂群算法对特征进行选择和优化,最后采用支持向量机对优化特征进行训练,建立遥感图像自动分类模型.仿真结果表明,ABC-SVM克服了传统组合特征算法的缺陷,提高了遥感图像分类准确率,加快分类速度,可以满足遥感图像分类的实时性要求.     

遥感图像的云分类和云检测技术研究

为了有效减小云层遮盖对遥感图像数据利用率的影响,提出了一种基于灰度特性 的算法,实现了遥感图像高效自动的云分类及云检测。该方法首先将大幅遥感图像切分成小块 子图,然后统计子图灰度值的均值和方差,在此基础上将云分成无云、薄云和厚云三类,最后 通过边缘检测算法,实现了对厚云影响范围的有效标记。对100 幅典型水域遥感图像的实验测 试结果表明：正确云分类判别率达到97%,误判率小于4%,漏判率小于2%,基本满足实时性 需求,证明了该算法的有效性。     

自适应多维特征减少的模糊C-均值遥感图像分割算法

针对传统分割算法难以对遥感图像进行有效分割的问题,提出了一种自适应特征减少的图像分割算法。首先对源图像进行超像素分割,将获得的超像素作为算法的基本操作对象。其次,提取图像的颜色、纹理、边缘以及空间等多维特征,并使用加权像素值来表示超像素的特征。再者,将模糊分离度量加入到FRFCM(feature-reduction fuzzy C-means)模型中,构造特征减少分割算法。该算法可以自动选择有用特征。最后对分割算法进行优化,获取最终分割结果。通过遥感图像分割实验表明,提出算法能有效分割遥感图像,在分割准确度、运行时间、消除噪声影响等性能方面优于其他同类算法。     

基于XGBoost的遥感图像中道路网络的提取

传统的机器学习分类算法在处理道路提取问题过程中存在准确度低、速度慢的缺点。通过利用XGBoost算法提取遥感图像中的道路部分,以图像中的颜色特征以及像素点的局部特征作为特征输入,对图像中的每个像素点进行分类后,提取出道路。实验结果表明,该算法提取道路的准确性高,能够清晰绘出图像中的道路网络,且该算法具有较好的鲁棒性。     

稠密特征编码的遥感场景分类算法

针对遥感影像快速有效的场景分类,提出了一种低维度稠密特征编码的场景分类算法.首先提取遥感图像不同尺度下的稠密特征,利用Hellinger kernel对原始特征进行映射变换形成新的特征空间,采用主成分分析对新的特征降维并进行Fisher编码量化,进而实现遥感图像的低维度稠密特征表达,最后在线性支持向量机中完成遥感影像的场景分类.所提出的算法分别在UC Merced、WHU和NWPU-RESISC45公开数据集进行了验证.实验结果表明,作为一种改进的中层语义特征表达算法,相比于传统中低层语义特征,分类准确度得到大幅度提高,相比于深度学习算法,所提算法能够有效兼顾计算复杂度和分类准确率,实现不同指标间良好的平衡,满足遥感场景分类的实用性要求.     

结合纹理特征和边缘信息的遥感影像分类

针对基于光谱信息的遥感监督分类精度低以及分类结果中交界处错分和内部存在小面积图斑的问题,提出了一种结合图像纹理信息的监督分类方法和基于图像边缘信息的分类后处理方法。该方法首先利用彩色的灰度共生矩阵(color gray level co-occurrence matrix,CGLCM)提取图像的纹理信息,并将纹理图像结合原图像各个波段在ENVI 5.1平台下进行监督分类,然后采用Canny边缘检测算法提取原始影像的边缘图像,通过边缘信息对分类结果进行区域统计来改善分类结果。试验结果表明,辅以CGLCM纹理特征的监督分类方法可以有效地提高分类精度,相对于传统的监督分类方法,总Kappa系数提高了0.107 6,精度提高了8.53%。依据边缘信息对分类结果进行处理,有效保留原始影像边缘特征的同时,很好地滤除了分类结果中的小面积图斑。     

基于数学形态学的道路提取

利用遥感图像进行道路提取已经有了一些研究,如图像分割,基于知识的道路特征识别和数学形态学等,但尚有许多问题需要解决,设计了一种基于数学形态学的遥感图像道路提取算法。该算法首先将遥感图像二值化,然后进行噪声滤除、形态学边缘检测与边缘连接。通过采用ETM+遥感图像进行实验表明,该算法与传统的边缘检测与边缘闭合的算法相比,具有更好的抗噪能力,且精度较高,具有一定的现实意义。     

基于改进布谷鸟搜索算法的图像边缘检测

针对传统边缘检测算法自适应能力差、固定阈值、背景噪声抑制的问题, 为了获得更理想的图像边缘检测结果, 提出了一种基于改进布谷鸟搜索算法的图像边缘测算法. 首先通过灰度图像矩阵的一阶导数得到灰度图像的梯度值矩阵, 然后用改进布谷鸟搜索算法根据布谷鸟繁殖行为找到搜索图像的梯度最大值, 检测出图像的边缘, 最后采用仿真实验对算法的性能进行检测. 仿真实验结果表明, 本文算法能快速、准确地检测出图像的边缘, 且优于其他传统边缘检测算法.     

一种新的基于改进弹簧质点模型的图像边缘检测方法*

针对传统边缘检测算法不能准确定位图像的边缘和检测出的图像边缘连续性较差的不足,在基于改进 的弹簧质点模型基础上提出一种新的、简单和有效的图像边缘检测算法。在该算法中,将被检测的像素点作为中心点,其周围八个方向的像素点对该中心点的弹簧拉力组成一个平面内的弹簧质点模型。根据胡克定律,可以计算出作用在中心点上的合力大小,如果作用在中心点上合力大小超过设定的阈值, 则认为该中心点为边缘上的点。实验结果表明,提出的算法能够有效地克服传统算法的不足,而且具有一定的噪声滤波效果。     

基于小波变换的自适应梯度边缘检测算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等不足,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;然后,对小波分解后的图像低频部分用提出的8点邻域自适应梯度算法进行边缘检测,依靠边缘生长方法保证检测出的边缘的连续性,对高频部分用小波变换的局部模极大值算法检测图像的边缘;最后,将各层边缘信息按一定的融合规则融合起来得到最终的图像边缘。实验结果表明,该方法与传统的边缘检测算法相比具有定位精度高、去噪效果好等明显的优点,也能较准确地提取图像的边缘。     

基于形态学多结构元多尺度的自适应边缘检测

数学形态学广泛应用于图像处理和模式识别领域;针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了用不同方向的结构元素对图像进行多尺度检测的自适应边缘检测方法;首先利用形态学高低帽运算对原始图像进行平滑处理,采用差分最大值确定结构元素的方向,利用形态学运算调整结构元素尺度,改进了数学形态学边缘检测算法;实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时.有很强的去除噪声能力.     

一种基于形态学多结构元的自适应边缘检测算法*

基于形态学的图像边缘检测是图像处理的新技术之一,针对形态学单结构元在边缘检测中遗漏边缘信息的问题,提出了基于多结构元的自适应边缘检测算法。实验证明,该算法在检测边缘时能够获得比单结构元检测更多的边缘信息,具有较高的效率和很好的抗噪声能力,是一种有效的边缘检测方法。     

基于改进Canny算子的煤矿井下物体图像边缘检测方法研究

针对传统的Canny 算子检测井下物体低强度边缘能力不足的问题,提出了一种改进的边缘检测算法。该算法从以下三个方面进行改进：（1）采用一种新的四阶偏微分方程的降噪算法对图像去噪,进一步提高降噪效果,且在降噪过程中较好地保留图像细节,使井下物体更容易被检测。（2）采用自适应阈值的方法对图像边缘进行检测,实现了双阈值的自适应提取,能够较好地提取真实边缘。特别是在低对比度图像的边缘提取上,此方法更具有优势。（3）基于模糊判决的理论,在传统的Canny算法的基础上提出了一种有效的边缘连接方法。为了验证Canny边缘检测算子的效果,分别用Prewitt 、Robert 、Sobel、传统的Canny算子对井下图像进行边缘检测实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘,为井下煤矿探测机器人图像辨识奠定了基础。     

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.     

甜瓜图像分割的先验LCV模型

以甜瓜形态的微变测量为目标,提出了基于先验形状的LCV(LocalChan-Vese)模型算法。利用形态学方法获得甜瓜的局部信息图像,仿照传统CV模型的拟合形式,建立了LCV能量模型;利用形态学方法及spine插值算法获取甜瓜的先验形状,将其通过形状比较函数嵌入到LCV模型的能量函数中,形成了新的基于先验形状的LCV模型。相比传统边缘检测和图像分割算法,该算法更易于提取出理想的边缘信息。     

适用于医学图像的模糊边缘检测改进算法

边缘检测是医学图像预处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于医学图像的新型模糊边缘检测算法。该算法使用遗传算法对传统Otsu算法进行优化来确定阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的医学图像,与几种经典的处理方法相比,该算法能够提取出更加真实和完整的边界信息。     

基于图像识别的井下机车轨道检测方法

针对传统图像识别算法耗时大、对复杂环境识别效果差等缺点,提出一种针对煤矿井下环境的轨道检测方法。根据井下光线亮度不均匀的特点,设计井下复杂环境下的灰度拉伸与边缘提取算法,提高轨道检测的有效性。给出基于优先级的轨道内侧边缘搜索算法。后帧图像在基于前帧图像检测结果建立的感兴趣区中进行轨道检测,可降低计算量,提高实时性。现场实验结果证明,该方法能有效检测出机车轨道,且相比传统方法耗时明显减小。