基于线性谱聚类的林地图像中枯死树监测

【目的】将基于线性谱聚类超像素的方法应用在森林病虫害防治领域,可智能监测无人机森林虫害图像中的枯死树,为森林有害生物的监测工作提供技术支撑。【方法】分别以湖北省受松材线虫与辽宁省受红脂大小蠹侵害的松林无人机图像为试验数据,首先使用线性谱聚类超像素分割算法将图像划分为多个超像素;然后基于枯死树木的颜色特征,初步提取可能为枯死树的超像素区域;最后基于枯死树木与其他干扰地物具有不同的纹理特征,计算超像素的区域密度和缝隙量,利用支持向量机对初步提取的超像素进行分类,从而检测出图像中的枯死树。【结果】基于线性谱聚类超像素和支持向量机的枯死树监测方法可有效排除与枯死树木颜色相近的其他干扰地物,较准确地提取出枯死树木。使用该方法与基于植被颜色指数的阈值分割方法、基于简单线性迭代聚类超像素和随机森林的方法,对35幅受灾松林无人机图像进行试验,并选用交并比、虚警率和漏检率3个评价指标对3种方法进行定量对比分析。结果表明,基于线性谱聚类超像素的方法监测出的枯死树区域最精确,其监测结果与人工检测结果的交并比均值大于58%,且虚警率和漏检率均优于另外2种方法。【结论】基于线性谱聚类超像素的枯死树监测方法能实现松林中枯死树的快速、准确检测及定位。

基于边缘强度特征和线性谱聚类的SAR图像超像素生成方法

面对高分辨合成孔径雷达(SAR)图像的海量数据,学界广泛通过基于超像素的方法简化图像处理过程。一般适用于光学图像的超像素分割算法对存在斑噪的SAR图像分割性能均不够理想。面向SAR图像改进现有超像素生成算法是目前的研究热点之一。在探讨了将边缘强度特征引入超像素分割算法的可行性的基础上,结合边缘强度特征和线性谱聚类方法,提出了一种新的SAR图像超像素生成方法(e-LSC)。通过仿真SAR图像和实测SAR图像的比较实验,证实了e-LSC算法与其他几种典型超像素生成算法相比,生成的超像素在边缘贴合度和匀质区域的规则化上都有所提高。

海上油气田热介质供热设备故障数字化识别技术

海上油气田热介质供热设备长期在高温易燃的环境中运行,其可靠性对油气田开发的安全稳定起到重要作用,有必要研究其故障识别方法。为此,提出海上油气田热介质供热设备故障数字化识别方法。采用线性谱聚类算法对红外设备图像展开超像素分割处理,利用基于最大相似度区域合并算法分割设备目标区域。通过基于梯度变化的补偿算法对目标区域展开盲元块补偿。在核函数估计的基础上提取红外设备图像的温度概率密度函数,采用K均值聚类算法根据温度概率密度划分目标区域,将目标区域分为故障区域和正常区域,实现海上油气田热介质供热设备故障的数字化识别。实验结果表明,所提方法可以准确地完成目标区域分割和过热区域定位、故障识别准确率最低为97.3%、识别时间在2s内。

结合边缘信息优化LSC和改进A^(*)算法的正射影像图镶嵌线提取

为避免正射影像图在镶嵌时镶嵌线穿过视觉显著地物,损害影像中地物的完整性,本文提出一种结合边缘信息优化LSC(线性谱聚类)和改进A^(*)算法的正射影像图镶嵌线提取方法.首先,将经典LSC的超像素分割理论引入正射影像图镶嵌线提取算法中,并提出边缘强度因子用以优化经典线性谱聚类,有效利用正射影像图中的光谱信息和边缘信息;然后,将优化后的LSC分别应用于两幅正射影像的重叠数据集,得到各类地物的边界特征图,并通过数学形态学法去除边界特征图中的边缘不整齐现象和孤立噪点;最后,改进传统A^(*)算法,由曼哈顿距离函数替代原有基于欧式距离测度的启发函数,提升A^(*)算法进行最短路径搜索的效率,在边界特征图中快速搜索出最短路径得到最优镶嵌线.利用真实无人机航拍正射影像图将本文方法与相关方法进行对比分析,实验结果表明本文所提方法可高效、高质量地提取到影像镶嵌线,有效绕过视觉显著地物,减少镶嵌线穿过地物的像元点数,满足实际正射影像图制作的应用需求.

NMI特征优化边界敏感的LSC遥感影像分割算法

针对线性谱聚类方法处理复杂场景的高分辨率遥感影像时存在地物边界丢失、过分割问题,提出基于归一化转动惯量特征优化边界敏感的线性谱聚类方法。首先,利用LOG算法提取影像边缘信息,将边缘信息与LSC算法融合,并将存在边缘信息的超像素块的区域质心替代原始聚类中心,改善地物边界信息丢失问题;然后,通过边缘敏感的LSC分割方法,对高分辨率影像进行分割,获取地物完整的初始超像素,并确定微小的超像素;最后,计算微小超像素与相邻超像素相似性度量值,并将其合并到相似性度量值最小的超像素,优化过分割结果。实验结果表明,该方法可以有效地解决地物边界丢失、过分割问题,获取较好的分割结果。

基于超像素和超度量轮廓图的无人机图像分割算法

为精确地分割高分辨率无人机航拍图像中的不同地物,提出一种基于超像素和超度量轮廓图的无人机图像分割算法.首先对图像进行线性谱聚类,生成超像素;然后根据HSV颜色空间的直方图特征计算超像素区域间的不相似度;再结合层次分割思想得到可表示边缘强度的超度量轮廓图并将其归一化;最后利用合适的阈值删除边缘强度低于该阈值的轮廓,并将所对应的区域进行合并得到分割后的图像.与ISODATA,FCM和gPb-OWT-UCM算法比较的实验结果表明,该算法图像分割准确率较高,对初始参数的依赖性小,且计算复杂度低.

一种复杂背景下的电力设备红外图像分割方法

针对背景复杂的电力设备红外图像分割问题,提出一种新的分割方法。该方法运用线性谱聚类算法(LSC)对图像做超像素分割,将颜色、距离相似的像素聚类至同一个中心;利用在全局图像基础上计算所得的Otsu阈值对各超像素块做背景预标记,并利用最大相似度区域合并算法(MSRM)对超像素块进行合并,在得到目标设备的同时,有效降低了过分割和欠分割率;最后运用数学形态学算法对图像做后处理,在保证设备特征的前提下提高目标设备分割精度。实验表明,在复杂背景下与其他算法相比,该方法可得到更为准确、完整的目标设备。