基于Canny理论的自适应彩色图像边缘检测

图像信息是图像边缘检测的基础,图像边缘检测是图像特征提取的首要条件。针对彩色图像转换成灰度后会丢失图像信息和传统Canny算子需要人工设定高低阈值的问题,提出了一种基于Otsu的自适应最佳阈值的Canny彩色图像边缘检测算法,实验结果表明,该算法在保证自适应的同时,在保留边缘细节方面也取得了较好的效果。

融合深度学习的自动化海洋锋精细识别

传统的海洋锋识别方法依赖于梯度阈值,其将梯度值大于设定阈值的海域视为存在海洋锋,但梯度阈值法存在阈值依赖人为设定且标准不统一,以及复杂多样的海洋锋无法用单一阈值进行准确识别的问题。为此,提出一种融合深度学习的自适应梯度阈值判别方法。对海温梯度图进行标注,通过Mask R-CNN训练得到海洋锋像素级识别模型,统计每一类锋特有的梯度值分布作为该类锋的基准梯度阈值,并基于该阈值对像素级的锋面识别结果做精细化调整,对锋面识别结果精度进行量化,以提高自适应锋面调整过程的可靠性。实验结果表明,与传统梯度阈值法及单一的深度学习结果相比,该方法可以实现精细的海洋锋识别,且具有良好的独立性和完整性。

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.

自适应阈值法的红外图像边缘检测研究

为提取完整且清晰的红外图像目标边缘轮廓,对基于自适应阈值法的红外图像边缘检测方法进行研究。求解原始红外图像的梯度及角度图像,并采用非大极值方法抑制边缘轮廓细化,利用最大类间方差法计算红外图像前景及背景的分割阈值,提取红外图像目标初始边缘轮廓,搭建初始边缘期望梯度场,构建包含颜色值及梯度值代价函数的能量函数,避免红外图像最终边缘检测结果与输入原始红外图像出现差异,求解能量函数获取不同程度平滑、增强后的目标边缘检测图像,至此,完成红外图像边缘检测。实验结果证明,所提方法能够清晰、完整地提取初始边缘轮廓;能够自适应平滑冗余信息、凸显关键边缘信息,精准检测出最终目标边缘轮廓,且利用该方法对红外图像边缘进行检测的性能更加稳定,检测精度高。

基于ASTER影像的乌达火区遥感监测研究

为了监测评估内蒙古乌达煤火的治理效果,以灭火前、中、后和灭火监测期的ASTER热红外波段为数据源,采用TES算法反演矿区地表温度,根据自适应梯度阈值法提取4个年度的火区,经过对比验证发现:2008年提取火区与2009年航空参考火区的重合度为71.4%;分析2008—2015年间的煤火演变状况,结果表明:2008—2013年间,火区呈现显著缩减趋势,面积减少2.5 km2,由集中变为零星分布,这表明该时期煤火治理效果显著;2013—2015年间,火区面积增加了0.3 km2,由离散变为集中分布,这说明火区有复燃的趋势,1 km2的存量说明今后仍需加大火区治理力度。

基于线扫描数据的复杂环境下的河岸线提取

三维点云边缘提取算法已被广泛用于海岸线的提取中。相较于海岸线,河岸线存在高程变化大、易被树木遮挡等问题,将海岸线提取算法直接应用于河岸线提取存在较多的局限性。本文提出了一种基于线扫描激光点云的复杂环境下河岸线精确提取的方法,实现了河流岸线高程不一致、河岸被树冠遮挡情况下河岸边缘点的精准提取。设计了一种自适应高程阈值动态调整方法,通过对高程进行实时统计,使得高程阈值能够自适应地变化并克服树木遮挡造成的岸线不连续的问题,以此获取更加真实的岸线信息。同时,将法向渐变作为约束条件,能在实现对提取的边缘点云滤波的同时构造出完整、平滑的河岸矢量线。最后,利用真实无人机载激光雷达数据验证了本文所提方法的有效性和精度。本文方法获取的岸线与真实岸线的均方根误差分别为0.2018 m和0.2675 m,本文方法获取的河岸线具有较高的完整性。本研究为复杂情况下的河岸边缘提取提供了一种高效精确的方法。