基于灰度形态学的高分辨率遥感图像边缘检测研究

提出一种用于高分辨率遥感图像边缘检测的灰度形态学方法,该算法在数学形态学的基础上,针对图像中噪声和边缘形态的不同建立了多结构元素,利用灰度形态变换原理的膨胀、腐蚀、开启和闭合等算法进行边缘提取。实验表明,与经典的边缘检测算子相比,该算法保持图像的细节特征,较好地解决边缘检测精度与抗噪声性能的协调问题,具有很好的边缘提取能力。本文给出了用Matlab6.5实现的具体代码。     

数学形态学在遥感图像边缘检测中的应用

为有效提取边缘密度大的遥感图像中的边缘信息,本文提出了一种边缘检测的有效算法。该算法在数学形态学的基础上,针对图像中噪声和边缘形态的不同建立了多结构元素,利用灰度形态变换原理进行边缘提取,实验表明,与经典的边缘检测算子相比,该算法具有很好的边缘提取能力,但其抗噪能力较差,为此,笔者还探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

基于多光谱遥感图像边缘检测方法的研究

本文提出了一种边缘检测的有效算法．该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多结构元素，利用灰度形态变换原理进行边缘提取，实验表明，与经典的边缘检测算子相比，该算法具有很好的边缘提取能力，但其抗噪能力较差，为此，笔者还探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

基于小波增强的改进多尺度形态梯度边缘检测算法

在形态学梯度边缘检测算子的基础上，综合多结构元和多尺度算法的特性，提出了一种基于小波增强的多结构元、多尺度边缘检测方法，用不同取向的结构元素对图像进行多尺度检测，并综合各尺度下的边缘，得到了噪声存在下的理想边缘。实验表明，本文方法边缘定位准确、轮廓清晰，保留了更多的图像细节，具有较强的抗噪能力。     

数学形态学在遥感图像边缘检测中的应用

为有效提取边缘密度大的遥感图像中的边缘信息，提出一种边缘检测的有效算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立多结构元素，利用灰度形态变换原理进行边缘提取。实验表明，与经典的边缘检测算子相比，该算法具有很好的边缘提取能力，但抗噪能力较差。为此，笔者还探讨性地提出基于小波变换和数学形态学相结合的边缘提取方法。     

基于数学形态学的遥感影像边缘检测研究

针对含有复杂地物、边缘密度大的遥感影像,提出了一种基于多结构元素形态学的边缘检测方法。首先,根据遥感影像的特点,用形态学的开闭滤波器去除影像中的噪声点。然后基于多结构元素形态学进行边缘检测,最后,对边缘检测结果进行二值化及细化处理。并同Sobel及Canny算子的检测结果进行了比较。结果证明,该方法能有效地提取边缘、保护细节。     

基于小波变换和数学形态学的遥感图像边缘检测方法研究

用传统的边缘检测方法效果不理想,针对遥感图像中存在的噪声问题,提出了一种基于小波变换和多结构元素的数学形态学相结合的图像边缘检测方法。该方法充分利用小波多分辨率的特点,对图像进行去噪处理,然后用多结构元素灰度形态学的方法对图像的边缘进行检测。试验结果证明,此方法优于传统的边缘检测方法,具有边缘检测准确和良好的抗噪能力。     

一种改进型Canny算子边缘检测算法

在图像边缘检测领域,与传统边缘检测算法相比,Canny算法在解决抑制噪声与保留边缘上效果更好,但在保留边缘细节和减少伪边缘方面仍存在不足。提出了一种改进型Canny算子边缘检测算法,采用具有保边去噪特性的双边滤波器代替高斯滤波器进行去噪,并在非极大值抑制和阈值选取方面做出了改进。实验结果表明,该算法能比传统算法检测到更多的边缘细节。     

一种改进的Canny算子边缘检测算法

介绍Canny算子边缘检测的基本原理,并对其性能进行分析和评价。针对传统Canny算子在滤波过程中存在的缺陷,提出一种基于自适应平滑滤波的改进Canny边缘检测算子,该算法根据图像中像元灰度值的突变特性,自适应的改变滤波器的权值,在平滑图像的过程中使图像的边缘锐化。在计算梯度幅值的时候采用了邻域的梯度幅值计算方法,考虑了像素对角线方向的梯度计算,进一步抑制了噪声的影响。通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度和准确性。     

一种基于形态学梯度矢量和自适应模糊的目标边缘提取算法

鉴于现有的形态学梯度边缘检测算子没有考虑梯度的矢量性,在边缘检测部分提出了具有方向估计的形态学梯度算子,并将平滑处理加入该系列算子,使这些算子在噪声抑制和提高边缘清晰度两方面均有较好的表现.同时,在图像分割部分运用了多层次自适应的模糊阈值分割方法,利用自适应的方法对典型的模糊分割器的窗宽进行调整,并运用多层次的局部调整使图像分割后的物体边缘更加完整清晰.     

均匀分布与结构描述ASIFT相结合的SAR与可见光图像配准算法

针对SAR与可见光图像配准中存在的非线性灰度差异与斑点噪声,同时考虑不同的成像视角问题,提出了基于均匀分布与结构描述ASIFT的SAR与可见光图像配准算法。该算法首先采用引导滤波建立引导尺度空间以达到噪声抑制与边缘保持,在特征点提取阶段,由于非线性灰度差异引入相位一致性强度信息,并与尺度空间网格划分相结合,指导筛选图像中均匀特征点的获取;然后在特征描述阶段,引入扩展相位一致性方法计算SAR与可见光图像的一致性梯度幅值和方向,提高了主方向和描述符的准确性;最后利用Optimal-RANSAC进行特征描述符匹配实现有效配准。通过对4组实测图像进行试验及结果分析,证明该算法相比SAR-SIFT与传统ASIFT算法具有更准确的配准精度。     

一种改进的SAR影像边缘检测方法

由于SAR影像具有乘性相干斑噪声,某些对光学影像有较好检测性能的边缘检测算子,对于SAR影像并不适用,因此本文提出了一种将改进后的Ratio算子与Canny算子相组合的新方法。首先采用多种客观评价指标,得出经典方法中的Lee滤波能有效去除噪声,且最大限度保留了梯度信息,适用于边缘检测;然后对边缘检测具有恒虚警特性的Ratio算子进行改进,改进后的算子更利于影像归一化处理;最后利用改进后的Ratio算子与Canny算子组合成新方法。试验结果证明,组合后的新方法显著提高了边缘检测正确率和定位精度,改善了边缘连续性,具有一定的有效性和实用性。     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

基于梯度幅度直方图和类内方差的边缘提取方法

针对复杂背景中目标边缘提取的问题,提出一种基于梯度幅度直方图和类内方差进行边缘提取的新方法———CAGH(cluster algorithm based on gradient histogram)算法。该算法先分析经“非最大梯度抑制”后的梯度幅度直方图的特征,确定边缘集中区域,再通过类内方差确定梯度阈值,并利用该阈值确定边缘。在车牌识别中运用该方法提取复杂背景中的车牌边缘,并与Sobel、Canny等算法进行了比较。结果表明,CAGH算法适应性强、提取效率高,提取的是连通性、独立性好的单像素边缘,有利于后续的特征提取和模式识别。     

利用极值梯度的通用亚像素边缘检测方法

针对传统边缘检测方法存在的通用性较差、精度不高等问题,提出一种利用极值梯度的通用亚像素边缘检测方法。该方法将极值梯度分解为正梯度和负梯度,并在八个方向上进行判断与求解,然后得到由局部灰度增加最大和减小最大的两类像点共同组成的初始边缘,最后根据初始边缘的特点,分别建立不同类型边缘的亚像素定位拟合模型。为验证该方法的性能,分别利用模拟影像和实际影像与传统方法进行对比试验。试验结果表明该方法对不同类型的边缘都能较好的检测,并且对包括角点在内的边缘有更高的定位精度。因此,该方法可有效应用于影像的边缘检测中。     

复杂背景下航拍图像的电力线自动提取算法

无人机对电力线巡检的关键问题是如何从复杂背景的航拍图像中准确地提取电力线。本文提出了一种基于二维变分模态分解 (2D-VMD) 提取电力线的新算法。首先对原始航拍图像进行预处理,加快数据处理速度;然后采用2D-VMD算法对预处理后的图像进行分解,通过改进后的点锐度算法,选取带有电力线特征的IMF分量图,并利用Roberts算子进行边缘检测;最后利用形态学改进的Hough变换,完成对电力线的提取。试验结果表明,本文方法比传统的Canny算子结合Hough变换方法、LSD方法、Roberts 算法结合形态学改进的Hough变换方法更具精确性、抗噪性、自动化。     

一种基于频谱段能量的高分辨率遥感图像边缘特征检测方法

从图像信号的能量角度出发,探讨一种基于频谱段能量的高分辨率遥感图像边缘检测的方法。该方法采用滑动窗口傅里叶变换和频谱能量分段叠置的手段,将含有噪声的图像信号分解到不同的频谱段中,然后根据直流中心频谱段图像良好的噪声抑制特性,在此基础上进一步分析其高阶频谱段能量对图像边缘特征的贡献作用,将3×3的滑动子窗口中频谱半径为1～1.5范围内的频谱能量系数进行求和叠置,并量化至0～255的灰度范围,得到最终的边缘检测图像。试验结果表明,基于频谱能量所检测出的图像边缘特征响应较为显著,视觉效果尚可,并且具有特定方向上的边缘检测能力。     

基于向量场模型的多光谱遥感图像多尺度边缘检测

提出一种基于向量场模型的多光谱图像多尺度边缘检测算法,并在算法中引入两种梯度方向量化邻域模型。首先,对多光谱图像进行二进小波变换,得到每个波段图像在不同尺度上的细节系数,然后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,选择适宜的邻域模型对梯度方向进行量化,最后沿量化后的方向获取由细到粗的多层次边缘信息。对QuickBird多光谱图像上农田、厂房等地物进行多尺度边缘提取,定性分析了图像分辨率大小与地物尺寸关系在不同尺度边缘信息的表征;利用F测度,定量评价了检测结果的边缘准确度。与传统算子检测结果对比表明,利用向量场模型综合了所有波段的边缘信息,减少了多波段图像边缘信息的不一致性,引入的量化邻域模型能够有效地获取完整的多尺度边缘点。