基于图像水平集分割的航磁图像信息提取方法研究

发布时间：2020-08-13 12:37

【摘要】：对于航磁图像所包含信息的分析,一直以来存在两种方法,一是人工解释,二是计算机解释。人工解释的优势在于主观经验,但有时会产生错误;而计算机解释的优势在于客观分析,能忠实执行分析人员的意图而不受其他方面的影响。随着计算机及信息技术的不断发展,计算机解释会越来越受到人们的重视,在航磁图像分析领域发挥重大作用。从目前来看,计算机解释在图像分割和特征提取领域仍有较大研究空间。本文研究了图像小波变换的去噪原理,分析各种小波基函数与小波变换分解层数对于图像的去噪效果,同时将其融合Chan-Vese模型,对去噪后的图像进行分割,效果较好,所得的分割图像不但去除了边缘分割误差,同时分割的轮廓线变的更加的光滑。本文深入分析了传统的曲线演化理论,并对水平集能量演化模型进行了演化推证分析。基于Mumford-Shah以及Chan-Vese这两种模型里的问题设计了一个将局部信息作为基础的Local Chan-Vese(LCV)演化模型。此模型经局部的信息,能够在很小的迭代次数中完成灰度不均的图像分割。通过给规则化项里引入能量惩罚固定项,给定一定的相关性惩罚系数,确保水平集函数的演化可以十分自然的维持成近似的符号距离函数。然后将以上LCV模型应用在航磁图像的极值区域的分割中,为航磁图像的极值区域识别奠定了基础。本文提出了基于图像边界轮廓的横、列与斜三种编码方式,得到不同图像的轮廓边界特征属性,分析了不同的编码方式对同一个图像的编码链情况。在该种编码链的基础上建立起BP神经网络模型,该种识别具有较高的精确度,同时该混合模型基于图像的边界轮廓编码链为依据,对于同一类型的样本仅仅需要一个图像样本即可。解决了航磁图像识别过程中计算速度慢、样本量大与无法识别含有较强噪声的图像等问题。最后,利用以上方法分析了东北地区航磁特征与异常情况,证明其提高了航磁图像处理质量和效率,对航磁图像计算机解释方面的发展研究具有现实意义。
【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：P631.222
【图文】：

去噪,小波,噪声图像

小波对含噪声图像的去噪结果

航磁图,噪声去除,中值滤波,线性平滑

均值滤波维纳滤波线性平滑滤波（b）图2.4 航磁图像的小波直接噪声去除结果；（a）航磁原图（b）小波、中值滤波、平均值滤波、维纳滤波与线性平滑滤波去噪结果图

曲线,模型曲线,公式

中 ( x)=0，就可以说明该点是存在间断点的，而当 ( x)=0时，那么就说明上存在一个角点。在这里对于公式 3-1 采用变分法，来对其进行整理，就可以得到下列公式：'' ''( , ) 0ext v v E x y (3-2)更好的简化公式，因此将 v(s) v s 看成时间t 的函数，这样就可以将公式 2-2成下列公式：'' ''( , )extvv v E x yt (3-3)式（3-3）实际上是一个偏微分方程，为了求解这个方程，最好的解决办法是差分法。为了更能形象的体现出 Snake 模型的优越性，因此通过图 3.1 来进从左图我们可以看到没有进行收敛的曲线（用绿色表示），右图则是经过计已经收敛的图形边界。我们从右图可以清晰的看到目标被围在红色轮廓当中

【参考文献】