基于自适应全局阈值融合标记的遥感图像建筑群分割

针对分割遥感图像建筑群时,标记不完全所产生的过分割和欠分割并存问题,提出一种基于自适应全局阈值融合标记的图像分割算法。该算法根据建筑群的分布和纹理特点,利用小波变换提取图像梯度,通过形态学重构对梯度图像进行滤波;采用局部极小值法提取背景标记,并应用自适应全局阈值法提取建筑群标记。采用逻辑运算进行标记融合,用融合后的标记修改加权像素的Sobel梯度图实现精准分割。实验结果表明,该算法能够弥补形态学滤波梯度图的局部极值标记不足问题,抑制了建筑群的过分割和欠分割,准确地将建筑群从背景中提取出来,分割正确率达到90.7%。

改进的Sobel算子图像清晰度评价算法

针对传统图像清晰度评价算法在显微自动对焦系统中抗噪性弱的问题,在传统梯度函数基础上提出了一种改进的Sobel算子图像清晰度评价算法。首先利用自适应中值去噪算法对显微图像预处理,减少噪声干扰;其次增加Sobel算子模板方向,采用四方向模板来计算像素点梯度;最终使用自适应全局阈值确定图像目标边缘,使用强边缘像素点的梯度平方和作为清晰度评价值,在一定程度上有效地解决了传统评价算子方位局限、抗干扰性差等问题。实验结果表明,该算法与传统梯度评价函数相比,图像处理速度提升了15.6%,灵敏度因子平均提升了0.711 9,具有良好的单峰性、抗干扰性和灵敏度。