本文選題：邊緣檢測(cè) + 主動(dòng)輪廓模型�。� 參考：《計(jì)算機(jī)科學(xué)》2017年12期

【摘要】：針對(duì)基于水平集的邊緣檢測(cè)方法抗噪性能差,處理模糊邊界和灰度不均勻性的能力弱,計(jì)算效率低,邊緣檢測(cè)結(jié)果的精確性極大程度上依賴于初始輪廓的位置且曲線演化易陷入極小值等問(wèn)題,提出一種基于全局最優(yōu)凸函數(shù)變分模型和Split Bregman數(shù)字最小化的邊緣檢測(cè)方法。該方法首先根據(jù)CV模型的構(gòu)造原理,并利用Chan的全局最優(yōu)化思想,構(gòu)造了一個(gè)通用的可以獲得全局最優(yōu)解的凸函數(shù)變分模型;在曲線演化和數(shù)字最小化迭代過(guò)程中,引入了基于Split Bregman的快速迭代算法,可以使曲線在克服噪聲等問(wèn)題的影響下快速、準(zhǔn)確、穩(wěn)定地演化到目標(biāo)的邊界處。實(shí)驗(yàn)結(jié)果證明了提出的邊緣檢測(cè)方法既具有較高的計(jì)算效率,能夠滿足遙感圖像邊緣檢測(cè)對(duì)實(shí)時(shí)性的要求,同時(shí)也具有較高的邊緣檢測(cè)精度和良好的普適性。
[Abstract]:The edge detection method based on level set has poor anti-noise performance, weak ability to deal with the inhomogeneity of fuzzy boundary and gray scale, and low computational efficiency. The accuracy of the edge detection results depends on the position of the initial contour to a great extent and the curve evolution is easy to fall into the minimum. A new edge detection method based on the global optimal convex function variational model and the minimization of Split Bregman numbers is proposed. Based on the construction principle of CV model and Chan's idea of global optimization, this method constructs a general variational model of convex function, which can obtain the global optimal solution, in the process of curve evolution and digital minimization iteration. A fast iterative algorithm based on Split Bregman is introduced, which can make the curve evolve to the boundary of the target quickly, accurately and stably under the influence of noise and other problems. The experimental results show that the proposed edge detection method not only has a high computational efficiency, can meet the real-time requirements of remote sensing image edge detection, but also has a higher edge detection accuracy and good universality.
【作者單位】： 大連外國(guó)語(yǔ)大學(xué)軟件學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61501082,61502435) 遼寧省自然科學(xué)基金項(xiàng)目資助(L2015020017,L20170540232,L20170540230) 遼寧省教育廳科學(xué)研究一般項(xiàng)目(L2015137,L2014455) 遼寧省社會(huì)科學(xué)規(guī)劃基金項(xiàng)目(L15CGL009)資助
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李小文;利用拉普拉斯—高斯模板進(jìn)行邊緣檢測(cè)[J];華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1997年02期

2 張治強(qiáng);柳健;萬(wàn)發(fā)貫;;遙感圖像的邊緣檢測(cè)[J];遙感信息;1987年01期

3 王文靜;辛洪兵;劉振寶;;在包裝流水線中邊緣檢測(cè)算法的比較[J];包裝工程;2006年03期

4 劉生;馬勁松;邱新法;;高分辨率遙感影像的形態(tài)學(xué)邊緣檢測(cè)算法[J];計(jì)算機(jī)應(yīng)用與軟件;2009年10期

5 竺子民;兩種邊緣檢測(cè)方法的比較[J];華中理工大學(xué)學(xué)報(bào);1997年04期

6 張玉方;;基于形態(tài)學(xué)高低帽變換的遙感影像水域邊緣檢測(cè)算法[J];城市勘測(cè);2009年01期

7 楊儉華,王光毓,張志廣,林書(shū)煌;用菌紫質(zhì)薄膜傳感器進(jìn)行圖像邊緣檢測(cè)的研究[J];生物工程進(jìn)展;1997年03期

8 馮桂,桂預(yù)風(fēng),林宗堅(jiān);灰度圖像邊緣檢測(cè)中的形態(tài)學(xué)方法[J];遙感信息;2000年03期

9 師瑞榮,荊麟角;基于邊緣檢測(cè)的自適應(yīng)干涉SAR降噪方法[J];遙感學(xué)報(bào);2003年03期

10 勞小敏;張哲倫;張豐;陳明;杜震洪;劉仁義;;基于鄰域總變分和邊緣檢測(cè)的遙感影像道路提取[J];浙江大學(xué)學(xué)報(bào)(理學(xué)版);2013年06期

相關(guān)會(huì)議論文 前10條

1 官小平;關(guān)澤群;;小波分析在高分辨率遙感影像邊緣檢測(cè)中的應(yīng)用[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

2 張鳳春;董增壽;劉明君;;基于局部方差均衡的遙感圖像增強(qiáng)方法[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

3 鄧冰;林宗堅(jiān);彭曉東;;遙感圖像信息度量的原理與方法[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

4 江興方;江鴻;何賢強(qiáng);;遙感圖像兩種半自動(dòng)拼接方法的研究[A];全國(guó)農(nóng)業(yè)遙感技術(shù)研討會(huì)論文集[C];2009年

5 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢的研究與實(shí)踐[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

6 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動(dòng)鑲嵌技術(shù)[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

7 黃勇杰;王樹(shù)國(guó);劉俊義;陳東;;遙感圖像去云算法研究[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

8 謝建春;趙榮椿;;遙感圖像中的軍用機(jī)場(chǎng)識(shí)別算法研究[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國(guó)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2004年

9 陳姚;王金亮;李石華;;遙感圖像中云層遮擋影響消除處理方法研究述評(píng)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

10 張磊;朱磊;;遙感圖像中直線目標(biāo)的檢測(cè)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

相關(guān)重要報(bào)紙文章 前1條

1 蔣建科邋孫宏金 陳樹(shù)琛;傳回清晰遙感圖像[N];人民日?qǐng)?bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 李軒;基于局部特征的遙感圖像目標(biāo)檢測(cè)方法研究[D];長(zhǎng)春理工大學(xué);2016年

2 祁友杰;基于SoC技術(shù)的遙感圖像快速匹配方法研究[D];東南大學(xué);2016年

3 霍麗君;基于變分的遙感圖像恢復(fù)算法研究[D];中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;2017年

4 陳彥彤;基于局部不變特征的遙感圖像星上目標(biāo)識(shí)別技術(shù)研究[D];中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;2017年

5 江興方;遙感圖像去云方法的研究及其應(yīng)用[D];南京理工大學(xué);2007年

6 滕鑫鵬;遙感圖像道路提取研究[D];江蘇大學(xué);2014年

7 劉春紅;超光譜遙感圖像降維及分類方法研究[D];哈爾濱工程大學(xué);2005年

8 劉哲;基于信息融合的遙感圖像處理方法研究[D];西北工業(yè)大學(xué);2002年

9 強(qiáng)贊霞;遙感圖像的融合及應(yīng)用[D];華中科技大學(xué);2005年

10 杜根遠(yuǎn);海量遙感圖像內(nèi)容檢索關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 胡瑞琦;基于遙感影像農(nóng)村耕地邊界提取方法研究[D];西安科技大學(xué);2015年

2 胡永剛;基于數(shù)學(xué)形態(tài)學(xué)的遙感圖像邊緣檢測(cè)算法[D];燕山大學(xué);2006年

3 荀文龍;PCNN在溢油遙感圖像邊緣檢測(cè)中的應(yīng)用研究[D];大連海事大學(xué);2008年

4 邱磊;基于內(nèi)容的遙感圖像挖掘方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

5 王靜靜;基于NSCT和Shearlet變換的遙感圖像增強(qiáng)研究[D];新疆大學(xué);2014年

6 柴宏磊;基于知識(shí)的遙感圖像港口目標(biāo)識(shí)別[D];電子科技大學(xué);2015年

7 馮一鳴;基于遙感圖像中港口目標(biāo)的分割算法研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

8 吳云坤;遙感圖像變化檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

9 王旭;無(wú)參考遙感圖像質(zhì)量綜合評(píng)價(jià)算法研究[D];西安電子科技大學(xué);2015年

10 張少輝;基于刃邊法的遙感圖像重建方法研究[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1823474