基于改进分水岭算法的作物病害叶片分割方法

传统的标记分水岭算法在作物病斑分割过程中存在伪标记,会造成过分割,本研究在传统的标记分水岭算法基础上提出了一种改进的标记分水岭分割算法。该算法首先采用形态学进行预处理,建立形态学梯度,并对梯度图像进行开闭重建。然后对重建的梯度图像进行前景标记,并利用病斑和正常叶片的颜色差异对前景标记中的伪标记进行滤除,对修改后的前景二值化图像进行距离变换和分水岭完成背景标记。最后用强制极小值技术进行梯度修正,并用分水岭算法对其进行分割。对多幅作物叶片进行分割试验,并对比不同分水岭的分割效果,结果表明该方法得到的区域数最少,能有效提取黄瓜叶片病斑,并且抑制过分割。

基于轮廓小波变换的航空影像建筑物识别

在对航空影像中的建筑物进行识别提取时,建筑物顶部的轮廓信息是一个重要的判断依据。基于航空影像建筑物个数繁多、形状复杂,且存在较多的干扰信息,提出一种新颖有效的建筑物识别方法:首先,利用改进标记分水岭算法提取建筑物区域。然后,对每个分割得到的建筑物区域,提取其轮廓,对轮廓进行基于平稳小波变换的仿射不变量计算,并构造建筑物模型数据库,利用相关系数实现了建筑物的有效识别。

基于航空影像的建筑物边缘直线特征提取方法

基于航空影像建筑物个数繁多、形状复杂，且存在较多的干扰信息，提出一种新颖的建筑物边缘直线特征提取方法．对航空影像进行改进标记分水岭分割，并结合DSM高度信息，有效去除道路和阴影的影响．同时，对影像进行基于多尺度自适应加权的改进canny算子的边缘榆测．在每一个分割得到的建筑物初始区域内，对检测到的边缘点进行相位编组提取直线，利用建筑物屋顶约束条件，统计屋顶的主方向，修正和规划直线段，实现了建筑物边缘直线特征快速、有效的提取．

从DSM数据中自动提取建筑物的方法研究

现今,DSM的获取日趋方便、快捷、精确,充分利用DSM所提供的信息,可以解决很多实际问题。本文提出了一种从DSM自动提取建筑物的方法,首先从DSM中提取DTM,差值后得到消除了地形影响的规格化的DSM(即NDSM),然后对NDSM进行改进型"标记控制的分水岭"分割,得到地上物目标;最后根据这些目标的各自特点进行过滤,祛除非建筑物对象,留下我们所要的建筑物对象。