植物景观三维图像边缘锐化方法

发布时间：2021-02-18 02:42

　　针对当前植物景观三维图像表面点自相似性系数较低,边缘锐化效果较差的问题,提出基于色调映射和颜色特征分解的植物景观三维图像边缘锐化方法.采用稀疏线性组合方法进行植物景观三维图像的边缘轮廓特征分解,提取植物景观三维图像的边缘分块特征量;根据植物景观的表面点、细节区域进行植物景观图像超分辨率重构和模板匹配,重建植物景观图像的整体直方图分布模型,采用色调映射和颜色特征分解方法,获得植物景观三维图像边缘锐化表面点自相似性系数.仿真结果表明,该方法获得的自相似性系数较高. 

【文章来源】：沈阳工业大学学报. 2020,42(03)北大核心

【文章页数】：5 页

【文章目录】：
1 图像稀疏表示模型和轮廓检测
    1.1 三维图像的稀疏表示模型
    1.2 边缘轮廓特征分解
2 三维图像边缘锐化处理
    2.1 色调映射和颜色特征分解
    2.2 边缘锐化表面点自相似性
3 仿真实验与结果分析
4 结论


【参考文献】：
期刊论文
[1]改进的基于稀疏表示的全色锐化算法[J]. 吴宗骏,吴炜,杨晓敏,刘凯,Gwanggil Jeon,袁皓.  计算机应用. 2019(02)
[2]基于稀疏分解和背景差分融合方法的图像处理技术[J]. 王金茹.  沈阳工业大学学报. 2018(04)
[3]关于三维城市景观实体准确测量优化建模仿真[J]. 张宝平,黄庆丰.  计算机仿真. 2018(05)
[4]基于三维视觉的海洋生物区域种类识别仿真[J]. 张珊,朱宇鹏.  计算机仿真. 2018(05)
[5]海量激光遥感图像边缘的锐化[J]. 桂金瑶,查长军.  科技通报. 2018(01)
[6]基于三维视角的高密度景观规划设计[J]. 杨维.  现代电子技术. 2018(03)
[7]基于SFS方法的三维重构及精度分析[J]. 曹芳,朱永康.  计算机科学. 2017(S1)
[8]基于非局部稀疏表示的立体图像的超分辨率重建[J]. 周圆,王爱华,陈莹,侯春萍.  天津大学学报(自然科学与工程技术版). 2017(04)
[9]基于框架域的随机游走全色锐化方法[J]. 王敬凯,杨小远.  北京航空航天大学学报. 2017(04)



本文编号：3038915