全色遙感圖像信息量大、邊緣細(xì)節(jié)豐富、包含重要感知信息等,為提取圖像中的感興趣區(qū)域,并根據(jù)目標(biāo)特性進(jìn)行更高精度、更有效的檢測(cè)識(shí)別;面向全色遙感圖像目標(biāo)檢測(cè)與識(shí)別需求,本文分別研究改進(jìn)的圖像邊緣檢測(cè)、分割以及目標(biāo)檢測(cè)識(shí)別算法,對(duì)有噪圖像實(shí)現(xiàn)邊緣信息提取質(zhì)量改善之目的,完成類別數(shù)自動(dòng)確定和圖像全局性分割,優(yōu)化圖像檢測(cè)識(shí)別算法,提高目標(biāo)識(shí)別準(zhǔn)確率。首先,由于應(yīng)用梯度變化檢測(cè)遙感圖像紋理邊緣信息時(shí)存在過檢、漏檢、錯(cuò)檢以及抗噪力弱等問題,提出一種結(jié)合分?jǐn)?shù)階微分差和高斯曲率濾波的邊緣檢測(cè)算法;通過分?jǐn)?shù)階微分差運(yùn)算對(duì)全色遙感圖像進(jìn)行梯度場(chǎng)非線性增強(qiáng),利用高斯曲率濾波來平滑圖像非線性擴(kuò)散部分,并尋找正則化能量最速下降點(diǎn),從而在階次（0-2）之間優(yōu)化微分過程中分?jǐn)?shù)階次和迭代次數(shù),讓有噪圖像的邊緣信息提取質(zhì)量改善;遙感圖像的實(shí)驗(yàn)結(jié)果表明:該算法可抑制遙感圖像紋理邊緣提取過程中噪聲非線性放大和擴(kuò)散產(chǎn)生的背景偽噪聲,并保留豐富的圖像紋理邊緣信息。其次,在全色遙感圖像分割中,結(jié)合RJMCMC和SA（Reversible Jump Markov Chain Monte Carlo and Simulated ann... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

一l拋物線f〔x)的:

．１．２高斯曲率濾波理論??文獻(xiàn)［６＿２９Ｈ羊細(xì)論述了高斯曲率濾波理論。在數(shù)學(xué)意義上，原始圖像可能屬于Ｃ°而不屬于Ｃ２?，??就是說它本身就是不可導(dǎo)的。對(duì)于本身不可導(dǎo)的函數(shù)求二階導(dǎo)數(shù)，常見方法是對(duì)正則項(xiàng)求未像的偏導(dǎo)數(shù)，并沒有考慮優(yōu)化正則項(xiàng)的幾何意義。在曲率濾波理論中，假設(shè)圖像是分段可展［６］，使用已知的幾何曲面來優(yōu)化其對(duì)應(yīng)的正則項(xiàng)，并利用圖像的離散特性來隱式地優(yōu)化曲率，??減小曲率而無需計(jì)算曲率。高斯曲率濾波充分利用了圖像的離散特征及微分幾何的連續(xù)理免了計(jì)算曲率和復(fù)雜的幾何流，如數(shù)值穩(wěn)定性、步長(zhǎng)、時(shí)間離散化等問題。??在圖像處理中主要是減少變分模型的能量４：／）。４＾／）?＝?＼（；７，／）?＋義＆〇／），其中，＾／為擬據(jù)，／為規(guī)范化數(shù)據(jù)，ｓ（ｔ／）為總能量，＆（ｔ／，／）為數(shù)據(jù)擬合能量，＆（＂）為正則化能量，Ａ量系數(shù)［６］。在以正則化為主的變分模型圖像處理中，數(shù)據(jù)擬合總能量最初以增加為初始條件則化最初主導(dǎo)總能量的減少。高斯曲率濾波主要是在圖像處理中減少正則化能量（ｔ／）。假（ｘ，ｊ扣表示空間坐標(biāo)，＂（Ｉ）表示重建圖像，＂？，％．，＂，，％為偏導(dǎo)數(shù)，則曲率為：??－?ｕ?Ｕ?－Ｕ１??Ｋ（Ｕ（ｘ））?＝?－?（２－１（＼＋ｕ２ｘ＋ｕ；ｙ??斯曲率正則化能量為：??Ｃ＾＝ｉｋｌｋｌ?＝（２－ｉ

ｘ?友??圖２－ｌ拋物線／（ｘ）的ｒ?ｅ（ｌ，２）階微分?圖２－２拋物線的ｒｅ（０，ｌ）階微分??２．１．２高斯曲率濾波理論??文獻(xiàn)［６＿２９Ｈ羊細(xì)論述了高斯曲率濾波理論。在數(shù)學(xué)意義上，原始圖像可能屬于Ｃ°而不屬于Ｃ２?，??也就是說它本身就是不可導(dǎo)的。對(duì)于本身不可導(dǎo)的函數(shù)求二階導(dǎo)數(shù)，常見方法是對(duì)正則項(xiàng)求未知??圖像的偏導(dǎo)數(shù)，并沒有考慮優(yōu)化正則項(xiàng)的幾何意義。在曲率濾波理論中，假設(shè)圖像是分段可展曲??面［６］，使用已知的幾何曲面來優(yōu)化其對(duì)應(yīng)的正則項(xiàng)，并利用圖像的離散特性來隱式地優(yōu)化曲率，??即減小曲率而無需計(jì)算曲率。高斯曲率濾波充分利用了圖像的離散特征及微分幾何的連續(xù)理論，??避免了計(jì)算曲率和復(fù)雜的幾何流，如數(shù)值穩(wěn)定性、步長(zhǎng)、時(shí)間離散化等問題。??在圖像處理中主要是減少變分模型的能量４：／）。４＾／）?＝?＼（；７，／）?＋義＆〇／），其中，＾／為擬合??數(shù)據(jù)

【參考文獻(xiàn)】：
期刊論文
[1]基于分?jǐn)?shù)階微分差與高斯曲率濾波的邊緣檢測(cè)算法[J]. 張文坤,汪西原,宋佳乾.  計(jì)算機(jī)工程. 2019(02)
[2]混合空間新型貝葉斯網(wǎng)絡(luò)模型的圖像分割應(yīng)用研究[J]. 陳沅濤,劉煊赫.  計(jì)算機(jī)工程與科學(xué). 2017(11)
[3]基于分?jǐn)?shù)階變換和改進(jìn)最小生成樹的圖像配準(zhǔn)算法[J]. 韓毅,趙凱,周晏.  計(jì)算機(jī)工程. 2017(09)
[4]基于曲率濾波和梯度變換的圖像增強(qiáng)[J]. 成寬洪,周慧鑫,秦翰林,殷世民,錢琨,趙東,榮生輝.  光子學(xué)報(bào). 2017(07)
[5]基于聯(lián)合非負(fù)字典學(xué)習(xí)的遙感圖像超分辨重建[J]. 魏巍,吳孔平,郭來功,秦蒙.  計(jì)算機(jī)工程. 2016(08)
[6]基于混淆矩陣的證據(jù)可靠性評(píng)估[J]. 宋亞飛,王曉丹,雷蕾.  系統(tǒng)工程與電子技術(shù). 2015(04)
[7]利用RJMCMC算法的可變類SAR圖像分割[J]. 王玉,李玉,趙泉華.  信號(hào)處理. 2014(10)
[8]基于多尺度貝葉斯網(wǎng)絡(luò)的SAR圖像分割[J]. 徐海霞,溫顯斌,張建光.  系統(tǒng)工程與電子技術(shù). 2014(06)
[9]基于分?jǐn)?shù)階微分的圖像邊緣細(xì)節(jié)檢測(cè)與提取[J]. 陳青,劉金平,唐朝暉,李建奇,吳敏.  電子學(xué)報(bào). 2013(10)
[10]利用復(fù)合導(dǎo)數(shù)的邊緣檢測(cè)新算法[J]. 程金梅,葉永強(qiáng),姜斌.  中國(guó)圖象圖形學(xué)報(bào). 2012(03)

碩士論文
[1]遙感圖像的K-均值聚類和分水嶺分割算法的研究與實(shí)現(xiàn)[D]. 席英.南京理工大學(xué) 2011
[2]基于紋理及光譜信息融合的遙感圖像分類方法研究[D]. 王知鷙.西安電子科技大學(xué) 2010



本文編號(hào)：3067726