边缘保持图像滤波的应用研究
发布时间：2020-12-18 19:40
随着计算机技术、通信技术和传感器技术的发展,在遥感、生物医学等各个领域,海量、高质图像数据的快速获取成为可能,一个令人叹为观止的数字图像世界己经形成,数字图像应用的新纪元正向我们走来。几乎是伴随着数字图像的出现,就产生了图像滤波技术。图像滤波利用像素周围邻域像素的值决定中心像素的输出值,是计算机图像处理中最基本的操作之一,也是绝大多数图像信息提取过程都涉及的步骤。经过近三十年的发展,保持边缘的图像滤波技术己经在图像去噪、边缘检测等图像处理经典问题中广泛应用。随着各种新理论的提出和引入,其理论和方法进一步发展完善,也催生出新的应用领域,在计算机视觉等领域也发挥着越来越重要的作用。同时,海量图像数据的出现,新的图像处理应用需求,也为图像滤波带来了新的问题和挑战。本文总结了现有边缘保持图像滤波方法的优劣,选择以均值漂移滤波和引导滤波为工具,以解决自然场景、遥感场景图像处理和分析中典型问题为目标,从遥感图像融合、图像分割、遥感图像特征提取与分类多个图像处理层次上开展了研究工作。本文研究工作概括为以下几个方面:1.研究首先系统地综述了各种边缘保持滤波方法及应用,分析了研究趋势。就均值漂移滤波和引...
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：126 页
【学位级别】：博士
【部分图文】：
图２－１灰度图像的三种边缘保持滤波效果对比??就具体方法而言，在均值漂移迭代中，和中心位置样本的空间距离小于乂且与光谱??差异小于；２，的像素点才参与均值漂移向量的估计
图３－１基于引导滤波的遥感图像融合算法流程??３．２方法描述??如图３－１所示，本文提出的方法由４个主要步骤组成。第一步（Ａ）选择与全色图像波??段重叠的多光谱图像的波段。第二步（Ｂ）和第三步（Ｃ）是通过局部回归模型获得一个低分??辨率的全色图像波段。最后一个步骤（Ｄ）旨在通过局部的细节注入模型获得一个全色锐??２３??
这一关系为理解局部全色增强的优势提供了新的思路。首先，由于引导滤波的结构??转移特性（参见参考文献［１９］及本文第二章２．２介绍），所有多光谱图像（；引导图像）的边缘结??构信息可０在模拟的全色图像（滤波输出）中得到很好的保护。如图３－２所示，根据局部??线性模型戶＝及ＴＡ?＋?４获得输出图像户，合成的低分辨率全色图像戶是原始多光谱图??像；的局部线性加权和。根据引导图像心的结构信息转移到戶中。与此??同时，引导滤波是一种隐式的边缘保护的平滑滤波器，它可以使输入的全色图像得以平??滑３这样还保证了被替代成分户与替代成分Ｐ之间的局部结构相似性。其次，引导滤波??的实现还为全色模拟算法的高效实现提供了借鉴（参见参考文献［１９］２５中的第４节全色??模拟过程的计算复杂度独立于处理窗口大小，通过移动求和方法实现的全色模拟的时间??２６??
【参考文献】：
期刊论文
[1]高光谱影像的引导滤波多尺度特征提取[J]. 王雷光,曹小汪,郑雅兰,代沁伶. 遥感学报. 2018(02)
[2]高光谱影像光谱-空间多特征加权概率融合分类[J]. 张春森,郑艺惟,黄小兵,崔卫红. 测绘学报. 2015(08)
[3]一种基于纹理和光谱特征的高光谱影像信息向量机分类方法[J]. 尹明,谭熊,张鹏强,徐卫霄. 测绘科学技术学报. 2015(04)
[4]Least-squares images for edge-preserving smoothing[J]. Hui Wang,Junjie Cao,Xiuping Liu,Jianmin Wang,Tongrang Fan,Jianping Hu. Computational Visual Media. 2015(01)
[5]联合纹理和光谱特征的高光谱影像多核分类方法[J]. 余旭初,谭熊,付琼莹,王蔚涛. 测绘通报. 2014(09)
[6]基于多尺度区域粒度分析的遥感图像分割[J]. 郑晨,孙丁茜,陈晓惠. 光谱学与光谱分析. 2013(07)
[7]融合边缘测度的自然场景彩色图像区域分割[J]. 代沁伶,王雷光,洪亮. 中国图象图形学报. 2013(05)
[8]基于各向异性扩散的图像降噪算法综述[J]. 余锦华,汪源源. 电子测量与仪器学报. 2011(02)
[9]基于多尺度均值漂移的高分辨率遥感影像快速分割方法[J]. 王雷光,郑晨,林立宇,陈荣元,梅天灿. 光谱学与光谱分析. 2011(01)
[10]一种采用Gabor小波的纹理特征提取方法[J]. 张刚,马宗民. 中国图象图形学报. 2010(02)
博士论文
[1]基于非模糊均值漂移的高空间分辨率遥感影像区域分割算法研究[D]. 王雷光.武汉大学 2009
本文编号：2924497
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：126 页
【学位级别】：博士
【部分图文】：
图２－１灰度图像的三种边缘保持滤波效果对比??就具体方法而言，在均值漂移迭代中，和中心位置样本的空间距离小于乂且与光谱??差异小于；２，的像素点才参与均值漂移向量的估计
图３－１基于引导滤波的遥感图像融合算法流程??３．２方法描述??如图３－１所示，本文提出的方法由４个主要步骤组成。第一步（Ａ）选择与全色图像波??段重叠的多光谱图像的波段。第二步（Ｂ）和第三步（Ｃ）是通过局部回归模型获得一个低分??辨率的全色图像波段。最后一个步骤（Ｄ）旨在通过局部的细节注入模型获得一个全色锐??２３??
这一关系为理解局部全色增强的优势提供了新的思路。首先，由于引导滤波的结构??转移特性（参见参考文献［１９］及本文第二章２．２介绍），所有多光谱图像（；引导图像）的边缘结??构信息可０在模拟的全色图像（滤波输出）中得到很好的保护。如图３－２所示，根据局部??线性模型戶＝及ＴＡ?＋?４获得输出图像户，合成的低分辨率全色图像戶是原始多光谱图??像；的局部线性加权和。根据引导图像心的结构信息转移到戶中。与此??同时，引导滤波是一种隐式的边缘保护的平滑滤波器，它可以使输入的全色图像得以平??滑３这样还保证了被替代成分户与替代成分Ｐ之间的局部结构相似性。其次，引导滤波??的实现还为全色模拟算法的高效实现提供了借鉴（参见参考文献［１９］２５中的第４节全色??模拟过程的计算复杂度独立于处理窗口大小，通过移动求和方法实现的全色模拟的时间??２６??
【参考文献】：
期刊论文
[1]高光谱影像的引导滤波多尺度特征提取[J]. 王雷光,曹小汪,郑雅兰,代沁伶. 遥感学报. 2018(02)
[2]高光谱影像光谱-空间多特征加权概率融合分类[J]. 张春森,郑艺惟,黄小兵,崔卫红. 测绘学报. 2015(08)
[3]一种基于纹理和光谱特征的高光谱影像信息向量机分类方法[J]. 尹明,谭熊,张鹏强,徐卫霄. 测绘科学技术学报. 2015(04)
[4]Least-squares images for edge-preserving smoothing[J]. Hui Wang,Junjie Cao,Xiuping Liu,Jianmin Wang,Tongrang Fan,Jianping Hu. Computational Visual Media. 2015(01)
[5]联合纹理和光谱特征的高光谱影像多核分类方法[J]. 余旭初,谭熊,付琼莹,王蔚涛. 测绘通报. 2014(09)
[6]基于多尺度区域粒度分析的遥感图像分割[J]. 郑晨,孙丁茜,陈晓惠. 光谱学与光谱分析. 2013(07)
[7]融合边缘测度的自然场景彩色图像区域分割[J]. 代沁伶,王雷光,洪亮. 中国图象图形学报. 2013(05)
[8]基于各向异性扩散的图像降噪算法综述[J]. 余锦华,汪源源. 电子测量与仪器学报. 2011(02)
[9]基于多尺度均值漂移的高分辨率遥感影像快速分割方法[J]. 王雷光,郑晨,林立宇,陈荣元,梅天灿. 光谱学与光谱分析. 2011(01)
[10]一种采用Gabor小波的纹理特征提取方法[J]. 张刚,马宗民. 中国图象图形学报. 2010(02)
博士论文
[1]基于非模糊均值漂移的高空间分辨率遥感影像区域分割算法研究[D]. 王雷光.武汉大学 2009
本文编号：2924497
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2924497.html
