基于机器视觉的多目标sar图像阈值分割仿真

发布时间：2023-01-08 19:05

　　针对传统sar图像阈值分割方法复杂度较高,导致分割后的图像较为模糊,分割耗时较长的问题,提出基于机器视觉的多目标sar图像阈值分割方法。分析机器视觉的硬件组成与光源照明、光学镜头以及CCD摄像机等关键技术;在多目标优化基础上建立多目标模型,利用两个目标时情况代替sar图像的多目标散射区;通过微偏分方程对sar图像做去噪处理,保证模糊部分的边缘细节不丢失,并根据降噪图像的特点,锁定阈值搜索范围;最后在机器视觉基础上确定子图像大小,并建立局部图像的灰度直方图,经过线性灰度变换,选取最佳阈值,完成图像分割。仿真结果表明,所提方法能够快速并准确的完成多目标sar图像阈值分割,在图像阈值分割中具有一定可行性和有效性。 

【文章页数】：5 页

【文章目录】：
1 引言
2 机器视觉的组成与关键技术
    2.1 硬件组成
    2.2 关键技术
3 基于机器视觉的多目标sar图像阈值分割方法
    3.1 多目标优化
    3.2 基于偏微分方程的sar图像去噪处理
    3.3 sar图像阈值分割实现
        1)子图像选取规格
        2)构建局部图像的灰度直方图
        3)获取理想阈值
4 仿真数据分析与研究
5 结论


【参考文献】：
期刊论文
[1]一种改进的Otsu多阈值SAR图像分割方法[J]. 杨蕴,李玉,王玉,赵泉华.  遥感信息. 2019(04)
[2]核空间自适应抑制式直觉模糊图像分割算法[J]. 林洋,兰蓉.  计算机工程与设计. 2019(08)
[3]经济发达地区农村居民点生产居住空间权衡关系解析[J]. 张佰林,姜广辉,曲衍波.  农业工程学报. 2019(13)
[4]连铸结晶器振动位移系统中非线性处理[J]. 李强,方一鸣,李建雄,郑会成.  中国机械工程. 2019(12)
[5]基于运动散斑的物体三维形貌测量方法[J]. 孙俊锋,徐玉华,赵晓枫,谢良,张小虎.  实验力学. 2018(05)
[6]多通道SAR-GMTI二维余弦调相散射波干扰[J]. 房明星,毕大平,沈爱国.  上海交通大学学报. 2018(03)
[7]二进小波增强与边缘局部信息FCM的SAR图像变化检测[J]. 毛天祺,刘伟,黄洁,赵拥军.  信号处理. 2018(01)
[8]图像处理中的格子玻尔兹曼方法研究综述[J]. 刘应乾,严壮志.  中国图象图形学报. 2017(12)
[9]基于自适应标量—矢量量化的IQ数据压缩算法[J]. 王清,龚晓峰,雒瑞森.  计算机仿真. 2017(12)
[10]数字全息法测量CO2在RP-3燃油中的扩散系数[J]. 李超越,冯诗愚,邵垒,潘俊,刘卫华.  航空学报. 2017(12)



本文编号：3729015