全色遥感图像处理算法改进与目标检测识别优化
发布时间：2021-03-06 20:05
全色遥感图像信息量大、边缘细节丰富、包含重要感知信息等,为提取图像中的感兴趣区域,并根据目标特性进行更高精度、更有效的检测识别;面向全色遥感图像目标检测与识别需求,本文分别研究改进的图像边缘检测、分割以及目标检测识别算法,对有噪图像实现边缘信息提取质量改善之目的,完成类别数自动确定和图像全局性分割,优化图像检测识别算法,提高目标识别准确率。首先,由于应用梯度变化检测遥感图像纹理边缘信息时存在过检、漏检、错检以及抗噪力弱等问题,提出一种结合分数阶微分差和高斯曲率滤波的边缘检测算法;通过分数阶微分差运算对全色遥感图像进行梯度场非线性增强,利用高斯曲率滤波来平滑图像非线性扩散部分,并寻找正则化能量最速下降点,从而在阶次（0-2）之间优化微分过程中分数阶次和迭代次数,让有噪图像的边缘信息提取质量改善;遥感图像的实验结果表明:该算法可抑制遥感图像纹理边缘提取过程中噪声非线性放大和扩散产生的背景伪噪声,并保留丰富的图像纹理边缘信息。其次,在全色遥感图像分割中,结合RJMCMC和SA（Reversible Jump Markov Chain Monte Carlo and Simulated ann...
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
一l抛物线f〔x)的:
．１．２高斯曲率滤波理论??文献［６＿２９Ｈ羊细论述了高斯曲率滤波理论。在数学意义上，原始图像可能属于Ｃ°而不属于Ｃ２?，??就是说它本身就是不可导的。对于本身不可导的函数求二阶导数，常见方法是对正则项求未像的偏导数，并没有考虑优化正则项的几何意义。在曲率滤波理论中，假设图像是分段可展［６］，使用已知的几何曲面来优化其对应的正则项，并利用图像的离散特性来隐式地优化曲率，??减小曲率而无需计算曲率。高斯曲率滤波充分利用了图像的离散特征及微分几何的连续理免了计算曲率和复杂的几何流，如数值稳定性、步长、时间离散化等问题。??在图像处理中主要是减少变分模型的能量４：／）。４＾／）?＝?＼（；７，／）?＋义＆〇／），其中，＾／为拟据，／为规范化数据，ｓ（ｔ／）为总能量，＆（ｔ／，／）为数据拟合能量，＆（＂）为正则化能量，Ａ量系数［６］。在以正则化为主的变分模型图像处理中，数据拟合总能量最初以增加为初始条件则化最初主导总能量的减少。高斯曲率滤波主要是在图像处理中减少正则化能量（ｔ／）。假（ｘ，ｊ扣表示空间坐标，＂（Ｉ）表示重建图像，＂？，％．，＂，，％为偏导数，则曲率为：??－?ｕ?Ｕ?－Ｕ１??Ｋ（Ｕ（ｘ））?＝?－?（２－１（＼＋ｕ２ｘ＋ｕ；ｙ??斯曲率正则化能量为：??Ｃ＾＝ｉｋｌｋｌ?＝（２－ｉ
ｘ?友??图２－ｌ抛物线／（ｘ）的ｒ?ｅ（ｌ，２）阶微分?图２－２抛物线的ｒｅ（０，ｌ）阶微分??２．１．２高斯曲率滤波理论??文献［６＿２９Ｈ羊细论述了高斯曲率滤波理论。在数学意义上，原始图像可能属于Ｃ°而不属于Ｃ２?，??也就是说它本身就是不可导的。对于本身不可导的函数求二阶导数，常见方法是对正则项求未知??图像的偏导数，并没有考虑优化正则项的几何意义。在曲率滤波理论中，假设图像是分段可展曲??面［６］，使用已知的几何曲面来优化其对应的正则项，并利用图像的离散特性来隐式地优化曲率，??即减小曲率而无需计算曲率。高斯曲率滤波充分利用了图像的离散特征及微分几何的连续理论，??避免了计算曲率和复杂的几何流，如数值稳定性、步长、时间离散化等问题。??在图像处理中主要是减少变分模型的能量４：／）。４＾／）?＝?＼（；７，／）?＋义＆〇／），其中，＾／为拟合??数据
【参考文献】：
期刊论文
[1]基于分数阶微分差与高斯曲率滤波的边缘检测算法[J]. 张文坤,汪西原,宋佳乾. 计算机工程. 2019(02)
[2]混合空间新型贝叶斯网络模型的图像分割应用研究[J]. 陈沅涛,刘煊赫. 计算机工程与科学. 2017(11)
[3]基于分数阶变换和改进最小生成树的图像配准算法[J]. 韩毅,赵凯,周晏. 计算机工程. 2017(09)
[4]基于曲率滤波和梯度变换的图像增强[J]. 成宽洪,周慧鑫,秦翰林,殷世民,钱琨,赵东,荣生辉. 光子学报. 2017(07)
[5]基于联合非负字典学习的遥感图像超分辨重建[J]. 魏巍,吴孔平,郭来功,秦蒙. 计算机工程. 2016(08)
[6]基于混淆矩阵的证据可靠性评估[J]. 宋亚飞,王晓丹,雷蕾. 系统工程与电子技术. 2015(04)
[7]利用RJMCMC算法的可变类SAR图像分割[J]. 王玉,李玉,赵泉华. 信号处理. 2014(10)
[8]基于多尺度贝叶斯网络的SAR图像分割[J]. 徐海霞,温显斌,张建光. 系统工程与电子技术. 2014(06)
[9]基于分数阶微分的图像边缘细节检测与提取[J]. 陈青,刘金平,唐朝晖,李建奇,吴敏. 电子学报. 2013(10)
[10]利用复合导数的边缘检测新算法[J]. 程金梅,叶永强,姜斌. 中国图象图形学报. 2012(03)
硕士论文
[1]遥感图像的K-均值聚类和分水岭分割算法的研究与实现[D]. 席英.南京理工大学 2011
[2]基于纹理及光谱信息融合的遥感图像分类方法研究[D]. 王知鸷.西安电子科技大学 2010
本文编号：3067726
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
一l抛物线f〔x)的:
．１．２高斯曲率滤波理论??文献［６＿２９Ｈ羊细论述了高斯曲率滤波理论。在数学意义上，原始图像可能属于Ｃ°而不属于Ｃ２?，??就是说它本身就是不可导的。对于本身不可导的函数求二阶导数，常见方法是对正则项求未像的偏导数，并没有考虑优化正则项的几何意义。在曲率滤波理论中，假设图像是分段可展［６］，使用已知的几何曲面来优化其对应的正则项，并利用图像的离散特性来隐式地优化曲率，??减小曲率而无需计算曲率。高斯曲率滤波充分利用了图像的离散特征及微分几何的连续理免了计算曲率和复杂的几何流，如数值稳定性、步长、时间离散化等问题。??在图像处理中主要是减少变分模型的能量４：／）。４＾／）?＝?＼（；７，／）?＋义＆〇／），其中，＾／为拟据，／为规范化数据，ｓ（ｔ／）为总能量，＆（ｔ／，／）为数据拟合能量，＆（＂）为正则化能量，Ａ量系数［６］。在以正则化为主的变分模型图像处理中，数据拟合总能量最初以增加为初始条件则化最初主导总能量的减少。高斯曲率滤波主要是在图像处理中减少正则化能量（ｔ／）。假（ｘ，ｊ扣表示空间坐标，＂（Ｉ）表示重建图像，＂？，％．，＂，，％为偏导数，则曲率为：??－?ｕ?Ｕ?－Ｕ１??Ｋ（Ｕ（ｘ））?＝?－?（２－１（＼＋ｕ２ｘ＋ｕ；ｙ??斯曲率正则化能量为：??Ｃ＾＝ｉｋｌｋｌ?＝（２－ｉ
ｘ?友??图２－ｌ抛物线／（ｘ）的ｒ?ｅ（ｌ，２）阶微分?图２－２抛物线的ｒｅ（０，ｌ）阶微分??２．１．２高斯曲率滤波理论??文献［６＿２９Ｈ羊细论述了高斯曲率滤波理论。在数学意义上，原始图像可能属于Ｃ°而不属于Ｃ２?，??也就是说它本身就是不可导的。对于本身不可导的函数求二阶导数，常见方法是对正则项求未知??图像的偏导数，并没有考虑优化正则项的几何意义。在曲率滤波理论中，假设图像是分段可展曲??面［６］，使用已知的几何曲面来优化其对应的正则项，并利用图像的离散特性来隐式地优化曲率，??即减小曲率而无需计算曲率。高斯曲率滤波充分利用了图像的离散特征及微分几何的连续理论，??避免了计算曲率和复杂的几何流，如数值稳定性、步长、时间离散化等问题。??在图像处理中主要是减少变分模型的能量４：／）。４＾／）?＝?＼（；７，／）?＋义＆〇／），其中，＾／为拟合??数据
【参考文献】：
期刊论文
[1]基于分数阶微分差与高斯曲率滤波的边缘检测算法[J]. 张文坤,汪西原,宋佳乾. 计算机工程. 2019(02)
[2]混合空间新型贝叶斯网络模型的图像分割应用研究[J]. 陈沅涛,刘煊赫. 计算机工程与科学. 2017(11)
[3]基于分数阶变换和改进最小生成树的图像配准算法[J]. 韩毅,赵凯,周晏. 计算机工程. 2017(09)
[4]基于曲率滤波和梯度变换的图像增强[J]. 成宽洪,周慧鑫,秦翰林,殷世民,钱琨,赵东,荣生辉. 光子学报. 2017(07)
[5]基于联合非负字典学习的遥感图像超分辨重建[J]. 魏巍,吴孔平,郭来功,秦蒙. 计算机工程. 2016(08)
[6]基于混淆矩阵的证据可靠性评估[J]. 宋亚飞,王晓丹,雷蕾. 系统工程与电子技术. 2015(04)
[7]利用RJMCMC算法的可变类SAR图像分割[J]. 王玉,李玉,赵泉华. 信号处理. 2014(10)
[8]基于多尺度贝叶斯网络的SAR图像分割[J]. 徐海霞,温显斌,张建光. 系统工程与电子技术. 2014(06)
[9]基于分数阶微分的图像边缘细节检测与提取[J]. 陈青,刘金平,唐朝晖,李建奇,吴敏. 电子学报. 2013(10)
[10]利用复合导数的边缘检测新算法[J]. 程金梅,叶永强,姜斌. 中国图象图形学报. 2012(03)
硕士论文
[1]遥感图像的K-均值聚类和分水岭分割算法的研究与实现[D]. 席英.南京理工大学 2011
[2]基于纹理及光谱信息融合的遥感图像分类方法研究[D]. 王知鸷.西安电子科技大学 2010
本文编号：3067726
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3067726.html
