利用PLSA技术进行图像分割

引用概率潜语义分析(PLSA)技术作了航空影像图像分割的尝试,介绍了PLSA图像分割的原理方法和分割的具体算法。通过三幅航空影像分割实验,并与生物地理学图像分割(BBOIS)方法和基于吸引子算法的结果作了对比,结果表明,本文方法具有一定的优越性,是一个很有潜力的图像分割方法。     

一种基于分割的机载LiDAR点云数据滤波

针对当前滤波算法在处理地形不连续区域或存在复杂建筑物区域时容易过分“腐蚀”地形并难以去除一些低矮植被的不足,提出了一种基于分割的机载LiDAR点云滤波算法。首先,对原始点云基于地表连续性进行分割;然后,在移除点数目较小的粗差点集之后采用对分割点集建立缓冲区的方法,区分地面和非地面点集;在较大地物经过迭代分割基本移除之后,使用约束平面的方法移除高度较小的地表附着物以实现滤波。实验结果表明,与经典滤波算法相比,该算法提高了地面点的分类精度,在滤除地物信息的同时能有效地保留地形特征。     

用多种策略从机载Lidar数据中提取建筑脚点

设计了一种采用多种策略的建筑脚点提取方法,针对建筑脚点提取中的两个关键步骤———数据分类和建筑脚点分割,分别提出和引入了邻近关系和r半径点密度,从仅反映单次反射的DSM数据中,直接提取出建筑表面点。     

曲线的弯曲识别方法研究

提出了一新的弯曲识别方法及其相应的算法,实例验证了该方法的有效性。     

基于颜色和标志边缘特征的交通标志检测

首先利用禁令标志明显的红色边界和白色区域分别并行地提取可能的交通标志颜色,然后对其两者融合,其目的是减少漏检率;融合后的影像通过Canny算子提取其边界,再根据边界的圆形度参数判断是否为圆形区域。实验结果显示,本算法能够很好地检测和定位禁令标志。     

基于小波域分层Markov模型的纹理分割

提出了一种新的小波域分层Markov模型。该模型使用高斯马尔可夫随机场(Gauss Markov randomfield,GMRF)模型描述每一尺度小波系数向量的分布,考虑了同一尺度特征之间的相互作用;利用尺度间的因果马尔可夫随机场(Markov random field,MRF)模型和尺度内的非因果MRF模型来描述标记场的局部作用关系,以此确定标记场的先验信息。根据贝叶斯准则,利用多目标问题优化技术,给出了此模型相应的纹理分割算法。最后,与经典模型的分割算法进行了对比实验,验证了所提出算法的有效性。     

遥感影像变化检测自适应阈值分割的Kriging方法

提出了一种基于空间统计理论的自适应阈值分割方法,用于多时相高分辨率遥感影像变化检测研究。针对未确定类别的目标像素点,分别以局部区域内的变化类和非变化类为样本点,将目标点的实际值和估计值进行比较,以确定目标点的类别。为验证本方法的优越性和自适应性,分别与系列传统阈值分割方法进行了对比分析。实验结果表明,本方法能够有效去除伪变化信息,减少目标的错判、误判率,提高检测精度。     

航空影像分割的最小二乘支持向量机方法

将最小支持向量机LS-SVM用于航空影像的分割,讨论了不同核函数对分割结果的影响和稀疏化处理对决策函数的影响。试验表明了LS-SVM方法用于航空影像分割的可行性。     

基于内容的图像自适应加网方法

提出了一种新的基于图像内容纹理分割的加网方法。试验表明,该方法能够在图像输出精度较低的情况下更有效地再现原稿的层次和细节。     

利用非线性扩散的半自动纹理图像分割

介绍了一种非线性扩散过滤器法从包含纹理的图像中获取灰度、尺度和方向信息,并形成经过耦合保边平滑的5通道向量值图像,对纹理图像的分割变为对此向量值图像的分割。针对半自动操作的特点,在合理的假设前提下,采用了多通道统计区域分割法。试验结果表明,本文的纹理分割方法能有效地利用重要纹理特征与灰度的混合信息,是一种半自动的无监督纹理图像分割方法。