改进RCF网络在建筑物边缘检测中的应用

建筑物边缘检测是提取建筑物信息最直接有效的方法,近几年,卷积神经网络被广泛应用于建筑物边缘检测研究,其中RCF网络被证明是应用于建筑物边缘检测的效果较好的卷积神经网络。然而,RCF网络在建筑物边缘检测的过程中,上采样过程采用一步双线性插值算法,上采样结构过于简单,导致产生了在深层网络特征层小尺寸图像特征直接上采样至大尺寸图像的条件下误差过大的问题。文章提出了阶梯式上采样结构以改进RCF网络,该方法能够有效减少一次双线性插值算法带来的误差,实验证明该方法能够有效提高RCF网络在建筑物边缘检测上的结果精度,显著增加输出结果图像的清晰度。

形态学与RCF相结合的唐卡图像边缘检测算法

唐卡图像的内容丰富,纹理信息复杂。边缘检测在唐卡图像分析研究中具有非常重要的意义,因为唐卡图像轮廓含有大量的图像数据信息。数学形态学方法提取的边缘光滑连续,但是对复杂的边缘检测时会存在模糊不清晰的现象[1]。卷积神经网络(CNN)可以提取很多高层的、多尺度的信息[2]。为此提出的边缘检测方法,用优化的数学形态学算法提取原图像边缘;利用训练的RCF网络模型[3]提取原图像的边缘。根据小波变换的分解与重构原理将以上方法得出的图像边缘融合,从而得到更加完整光滑的图像边缘。实验表明,融合后的图像边缘更加清晰连续,轮廓信息更符合人类的视觉认知,去掉了无效的细节纹理,更有利于唐卡图像后续研究。

基于无人机航拍图像的输电线异物检测算法研究

目前无人机电力线巡检已成为热点,但采用人工解译的方法对航拍图像中电力线异物判别效率低下。因此,为实现无人机智能高效巡检,提出一种基于电力线中线的异物检测方法。首先,采用先验知识与最小二乘算法对电力线图像中电力线的中心线准确提取;其次,对获取的中线经过像元的变化设定阈值判断电力线上是否有显著性异物,通过二值图像判断像元偏离电力线中心线距离进而辨别是否有颜色相近的异物;最后,采用RCF边缘检测和区域生长法对提取异物范围。该方法以电力线中线为基础,判断电力线上是否有颜色相似的异物,从而达到复杂背景下异物检测的目的。通过实验证明了该方法能有效地检测出输电线上存在的异物,并且准确度高、轮廓提取完整。