基于变化检测和直方图斜率差分割的洪水监测应用

洪水是世界上最严重的自然灾害之一,了解极端洪水空间范围,有益于决策者和救灾机构为受洪水灾害影响的人员提供即时支持。本文提出了一种图像分割方法CDHSD提取洪水范围,首先通过变化检测获取初始分割差异图,然后基于直方图斜率差异分布确定分割阈值,最后利用地形数据和形态学操作细化分割结果,获取淹没区域。以RadarSat-2 SAR雷达数据进行灾中洪水检测,与常用阈值分割方法KI、ISO相比,CDHSD在渥太华RadarSat-2 SAR试验总体分类精度达到98.27%,可很好地识别洪水边界细节。以2019年英国约克洪水为例,针对洪水实况数据稀缺的问题,对Sentinel-2光学影像进行CDHSD洪水区域识别,总体分类精度为99.6%,验证了光学影像作为洪水检测对比数据的可行性。以Sentinel-1 SAR影像进行洪水灾中检测,洪水用户精度为85.74%。研究表明,CDHSD方法可以较好检测洪水区域,为洪水监测提供科学支撑。

基于斜率改正比的遥感图像拼接缝消除算法

针对在遥感图像镶嵌中所产生拼接缝的问题,分析了现有的拼接缝消除方法,提出了直方图迭代匹配结合斜率改正比的消除方法。通过直方图的迭代匹配增强了图像的反差,在镶嵌的遥感影像中用斜率改正比的方法消除拼接缝实现图像的光滑过渡。实验结果表明,该算法具有很好的拼接缝消除效果并且减少了两幅图像的灰度差值和标准值差值,改善了图像的质量。

一种改进的非局部极值FCM图像分割算法

传统模糊C均值聚类算法在图像分割中对初始值敏感,并且需要手动输入聚类数和初始聚类中心,手动输入错误的初始值会导致图像分割结果差;图像中的每个像素点都是相互独立的,未利用其空间信息,导致算法对噪声敏感,分割出来的区域不连续,使得分割结果差。针对上述两个问题,提出了一种改进的非局部极值模糊C均值聚类算法。首先通过计算直方图中每个点的斜率,根据其规则来确定聚类中心和聚类数,解决了对初始值敏感、易陷入局部极值的问题;然后引入非局部滤波计算加权图像,结合了灰度信息和空间信息,抑制了每个像素在非局部空间信息图像中的噪声,提高了分割精度;最后根据最大隶属度原则,把图像像素点归类,完成分割。在医学图像上进行了实验验证,计算JS指标来定量分析分割精度。结果表明,该算法既能有效去除噪声,也能很好地保留图像细节,增强了分割的鲁棒性,提高了分割精度。

直方图匹配算法进行坡度变换的精度评价

为了减小DEM分辨率下降所引起的地形坡度变缓效应,对直方图匹配算法在空间域上的精度进行验证,以山东丘陵北岩子口沟小流域为研究区,将研究区低分辨率坡度数据和高分辨率坡度数据进行直方图匹配,并对匹配后数据多项频率域和空间域指标进行评价。结果表明:直方图匹配算法可以很好地还原整幅图像坡度的最大值和平均值,地形粗糙程度得到了很好地恢复,但处理后的坡度相对于基准数据的中误差和误差标准差分别为23.5°和49.85°,与未处理的数据相差无几,说明算法只对地形统计特征的改善有效,对于实际地形的还原能力还有待改进。

“平坦峰”对象的分割

对于目标所占比例很小的图像,目标在直方图中退化成平坦峰。该文根据直方图的形状,提出了一种对具有平坦峰的图像的分割方法,在具体的医学图像应用中取得了较好的分割效果。