基于种子点增长的SAR图像海岸线自动提取算法

SAR图像中斑点噪声的存在使得很难利用简单的阈值分割技术对其进行海岸线提取,而很多基于复杂数学模型的提取算法又常常由于较慢的检测速度限制了它们的应用.本文基于种子点增长的思想,给出了一种快速的海岸线自动提取算法.首先该算法利用像素值统计信息自动定位一个初始种子点区域,并计算初始均值M与初始阈值T.然后基于不断更新的M和T进行海域点增长.增长结束后,对得到的连通海域进行轮廓边界跟踪从而确定出具体的海岸线位置.将其应用于真实的SAR图像,证明了该算法的有效性和实时性.

基于种子点增长的SAR图像海岸线提取算法

合成孔径雷达SAR(Synthetic Apenure Radar)图像海岸线检测在自动导航、地图绘制等海洋应用方面具有重要意义。国内外针对海岸线检测提出了不少方法,但是这些方法都有一个很大的缺点:速度慢。为此提出了一种快速SAR图像海岸线提取算法。该算法基于种子点增长的思想,从一个选定的初始种子点出发,计算出所有连通的海洋区域点,从而可以确定出海岸线位置。将该算法应用于真实的SAR图像进行实验,证明了该算法的有效性。

一种基于种子点区域增长的简单地物边界快速提取方法

从遥感图像上提取地物地貌信息,并对其进行处理和分析,广泛应用于城市规划、变化监测、环境保护、应急减灾等各个领域。本文针对测绘规划部门常用的真彩色遥感影像图,综合国内外相关研究基础上,提出一种基于种子点区域增长算法快速提取简单地物边界的方法。并以影像图中水体、云斑为实验对象验证方法的有效性。

水体遥感影像处理的研究

研究了遥感图片的水体类型解译识别问题。水体图形的准确提取是遥感图片解译识别的关键问题。综合应用敏感因子组合法、种子点增长法和数学形态学的方法提取水体,在对提取的水体图像分析基础上,进一步确定了特征向量和采用模糊识别理论进行识别,并对识别结果进行了分析,实验结果显示提取的水体获得较满意的识别效果。