基于超像素分割的无人机图像建筑物识别

发布时间：2024-12-10 03:01

　　在无人机图像处理和计算机视觉领域中,从无人机图像中提取高精度、可靠性强的建筑物、道路、桥梁等其它人工地物信息具有重要的意义,简单线性迭代聚类算法(Simple linear iterative clustering,SLIC)被公认为是目前具有综合性能最为出色的一种超像素分割算法,但是SLIC算法在进行图像分割时,仍存在随机选取种子点、人为确定K值和分割结果中存在孤立小区域的问题,针对以上缺陷提出了一种结合快速密度峰值搜索算法的SLIC分割算法来对图像进行分割,并对分割后的图像进行孤立小区域处理,最后对处理后的图像进行特征提取并使用SVM支持向量机来进行无人机图像建筑物的识别。工作包括以下几个方面:(1)针对快速密度峰值搜索算法(Clustering by fast search and find of density peaks,CFSFDP)现有的不足,引入信息熵和min-max标准化对人为设定截断距离和利用决策图选取聚类中心进行改进,将改进的CFSFDP算法进行聚类结果和性能测试的比较,实验结果表明改进的CFSFDP算法比原始的CFSFDP算法的聚类效果更好,准确率更高。(2)将改...

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

图3-2降序排列的值

第3章基于信息熵和min-max标准化的CFSFDP算法11图3-2降序排列的值分布图3.1.1CFSFDP算法步骤在CFSFDP算法流程中，首先要人为给定截断距离的值，其次计算出每个样本点的局部密度和高局部密度点距离，聚类中心根据和的值来进行确定，最后对非样本中心点进行聚类，确....

图(b)SLIC算法搜索区域搜索区域

西北师范大学硕士学位论文17该算法模仿自然进化的过程以实现有效的优化，并且对目标函数的形式没有任何限制；YooH等人[41]引入可靠性因子以定量测量区域的不均匀性,对每个超像素进行计算，以考虑逐像素梯度的噪声敏感性，并在同一对象内分配相似的可靠性值，来对视觉的实时后方障碍物进行检....

图4-2CIE-Lab颜色空间结构图

第4章基于CFSFDP-IEM的超像素分割算法18图4-2CIE-Lab颜色空间结构图SLIC算法的基本原理是将N个像素集划分到K个超像素里，要求划分到同一超像素里的像素点尽可能的相似而划分到不同超像素里的像素点尽可能的相异。算法先随机选取K个种子点作为初始聚类中心，计算剩余的像....

图4-4原始图片

第4章基于CFSFDP-IEM的超像素分割算法22(→)=∑(‖‖∈<)∈||(4-10)式(4-10)中：q表示图像S中超像素分割结果的边缘像素点，p表示图像g中人工标准分割结果的边缘像素点，表示人工标准分割结果中所有边缘像素点的集合，表示超像素分割结果中所有边缘像素点的集合，....

本文编号：4015500