基于边缘特征检测的遥感影像角点提取的研究及其应用

发布时间：2020-12-11 21:44

　　近几年我国对新兴高科技产业的重视,使得我国遥感科学技术的发展更是日新月异。在国家民用空间基础设施的开发中,卫星体系建设逐渐完善,遥感数据的获取及其质量不断提升,但仍避免不了遥感影像在其成像过程中受大气、传输介质、地物特征、相机成像等复杂环境的干扰。因此,在提取遥感影像信息时,通过对目标影像进行相对应的处理,可以达到进一步加强遥感影像信息表达的能力。针对上述问题,在遥感影像特征提取研究中,本文提出基于边缘特征的遥感影像角点提取的方法,并将该方法应用在了基于JGraph的图像处理平台中,实现了图像处理过程可视化。具体研究工作及成果如下:(1)实现基于小波变换的遥感影像边缘特征检测在对比了几种常见的微分边缘检测算子实现遥感影像边缘检测后,发现效果并不理想,不是影像中噪声影响太大,就是检测算子运算使得边缘太过于平滑,针对此问题提出基于小波变换的遥感影像边缘特征检测。根据小波算法特性先对目标影像进行分解,获取目标影像的高频和低频分量,再利用改进的阈值函数进行影像的噪声处理,达到图像边缘特征提取的目的。通过对比实验说明,使用改进的小波变换提取目标影像的高频分量,改善了细微纹理以及噪声对边缘特征提取... 

【文章来源】：河南大学河南省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

haar小波函数

基于边缘特征检测的遥感影像角点提取的研究及其应用12图2-1haar小波函数图2-2db6小波函数图2-3coif2小波函数图2-4sym6小波函数2.1.2小波去噪小波去噪是图像降噪研究中的热点之一，其基本原理是由小波分解得到不同尺度上的噪声特征，真实信号的小波系数会随尺度的变化而变化，成正相关，尺度增大小波系数随之增大，反之亦然。去噪的基本步骤是利用小波变换对含噪信号进行多尺度变换，会从时域变换到小波域，再在不同尺度下提取含噪信号的小波系数，最后利用小波逆变换对信号进行重构，小波去噪的流程图如2-5所示。含噪信号开始多尺度分解不同尺度降噪小波逆变换小波重构结束图2-5小波去噪流程图现下研究中，小波去噪的方法大致有三类，分别是小波变换模极大值去噪、小波系

基于边缘特征检测的遥感影像角点提取的研究及其应用12图2-1haar小波函数图2-2db6小波函数图2-3coif2小波函数图2-4sym6小波函数2.1.2小波去噪小波去噪是图像降噪研究中的热点之一，其基本原理是由小波分解得到不同尺度上的噪声特征，真实信号的小波系数会随尺度的变化而变化，成正相关，尺度增大小波系数随之增大，反之亦然。去噪的基本步骤是利用小波变换对含噪信号进行多尺度变换，会从时域变换到小波域，再在不同尺度下提取含噪信号的小波系数，最后利用小波逆变换对信号进行重构，小波去噪的流程图如2-5所示。含噪信号开始多尺度分解不同尺度降噪小波逆变换小波重构结束图2-5小波去噪流程图现下研究中，小波去噪的方法大致有三类，分别是小波变换模极大值去噪、小波系


本文编号：2911271