本文關(guān)鍵詞：結(jié)合區(qū)域和Contourlet變換的遙感影像邊緣檢測算法

  更多相關(guān)文章： 邊緣檢測 Contourlet變換 影像增強(qiáng) 區(qū)域生長 閾值分割

【摘要】：高空間分辨率遙感影像已經(jīng)越來越多的應(yīng)用于社會的各個領(lǐng)域,因此對于影像的提取和識別技術(shù)也就成為了當(dāng)前影像處理技術(shù)中的熱點(diǎn)。邊緣檢測技術(shù)是影像預(yù)處理之后和圖像分析理解之前的關(guān)鍵環(huán)節(jié)。它的精度能直接影響到影像后續(xù)操作。邊緣檢測的研究的難點(diǎn)就是如何在噪聲和定位精度間尋求一個平衡,使分割后的影像具有相對較高的信噪比。因此,研究學(xué)者們提出了很多的邊緣檢測算法,但這些算法在實(shí)際應(yīng)用中都存在著各自不足的地方,目前并沒有出現(xiàn)一個普適性強(qiáng)的遙感影像邊緣檢測算法。本文從遙感影像邊緣檢測的抑噪和精準(zhǔn)定位兩方面出發(fā),結(jié)合Contourlet變換,區(qū)域分割,影像增強(qiáng),邊緣檢測等技術(shù),提出了新的邊緣檢測算法。論文的具體工作如下： (1)提出了一種結(jié)合區(qū)域生長法和Contourlet變換的邊緣檢測算法。該算法首先利用Contourlet濾波去除遙感影像的噪聲,通過增強(qiáng)處理后用區(qū)域生長法合并同質(zhì)區(qū)域分割圖像,最后用L0G算子提取影像的邊緣。算法能在較大程度上抑制噪聲且能提供較好的邊緣信息。 (2)提出了一種結(jié)合閾值分割和Contourlet變換的邊緣檢測算法。該算法首先通過Contourlet濾波去噪,經(jīng)過增強(qiáng)處理后采用閾值分割中的大津法結(jié)合傳統(tǒng)的L0G算子進(jìn)行自適應(yīng)閾值分割提取影像的邊緣。算法能在抑噪的同時減少圖像的虛假邊緣,提高定位精度。 (3)對于上述提到的兩種算法,本文通過在MATLAB平臺編譯程序?qū)崿F(xiàn),并結(jié)合相關(guān)的實(shí)驗(yàn)和對比分析,驗(yàn)證提出算法的有效性。
【關(guān)鍵詞】：邊緣檢測 Contourlet變換 影像增強(qiáng) 區(qū)域生長 閾值分割
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：P237
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 引言10-19
• 1.1 研究背景和意義10-12
• 1.1.1 論文研究背景10-11
• 1.1.2 論文研究意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 經(jīng)典的邊緣檢測算子12-13
• 1.2.2 特定理論的邊緣檢測算子13-14
• 1.2.3 集成的邊緣檢測算子14-15
• 1.3 論文研究內(nèi)容15-16
• 1.4 技術(shù)路線以及論文結(jié)構(gòu)安排16-19
• 1.4.1 技術(shù)路線16-17
• 1.4.2 論文結(jié)構(gòu)安排17-19
• 第二章 相關(guān)理論19-51
• 2.1 影像增強(qiáng)19-28
• 2.1.1 空域增強(qiáng)19-26
• 2.1.2 頻域增強(qiáng)26-28
• 2.2 Contourlet變換28-30
• 2.3 區(qū)域分割30-36
• 2.3.1 區(qū)域生長法30-31
• 2.3.2 分裂合并法31-32
• 2.3.3 閾值分割32-36
• 2.4 邊緣檢測36-47
• 2.4.1 邊緣的定義36-37
• 2.4.2 經(jīng)典邊緣檢測算子37-44
• 2.4.3 其它的一些邊緣檢測算子44-45
• 2.4.4 邊緣檢測的過程和評價標(biāo)準(zhǔn)45-47
• 2.5 實(shí)驗(yàn)平臺47-49
• 2.5.1 MATLAB簡介48-49
• 2.5.2 MATLAB語言的優(yōu)點(diǎn)49
• 2.6 本章小結(jié)49-51
• 第三章 結(jié)合區(qū)域生長法和contourlet變換的邊緣檢測算法51-62
• 3.1 算法思路51-57
• 3.1.1 Contourlet變換去噪51-55
• 3.1.2 區(qū)域分割55-56
• 3.1.3 結(jié)合區(qū)域生長和Contourlet變換的邊緣檢測算法56-57
• 3.2 算法實(shí)驗(yàn)與分析57-61
• 3.3 本章小結(jié)61-62
• 第四章 結(jié)合閾值分割和Contourlet變換的邊緣檢測算法62-70
• 4.1 算法思路62-66
• 4.1.1 高斯拉普拉斯邊緣檢測算子63-64
• 4.1.2 最小類間方差法64-65
• 4.1.3 結(jié)合閾值分割和Contourlet變換的邊緣檢測算法65-66
• 4.2 算法實(shí)驗(yàn)與分析66-69
• 4.3 本章小結(jié)69-70
• 第五章 結(jié)論與展望70-72
• 5.1 本文研究工作總結(jié)70-71
• 5.2 將來研究工作展望71-72
• 致謝72-73
• 參考文獻(xiàn)73-77
• 附錄A 攻讀碩士期間發(fā)表論文目錄77-78
• 附錄B 攻讀碩士期間參與的項(xiàng)目78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉加伶;楊帆;龔箭;;一種基于融合技術(shù)的遙感圖像邊緣檢測算法[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

2 趙俊娟,尹京苑,單新建;基于形狀特征的高分辨率遙感影像目標(biāo)分割[J];測繪通報(bào);2005年01期

3 邵巨良,李德仁;小波理論及其在影像邊緣檢測中的應(yīng)用[J];測繪學(xué)報(bào);1993年02期

4 高偉;劉修國;彭攀;陳啟浩;;一種改進(jìn)的高分辨率遙感影像分割方法[J];地球科學(xué)(中國地質(zhì)大學(xué)學(xué)報(bào));2010年03期

5 楊海軍,梁德群;一種新的基于信息測度和神經(jīng)網(wǎng)絡(luò)的邊緣檢測方法[J];電子學(xué)報(bào);2001年01期

6 李曉峰;張樹清;劉強(qiáng);張柏;劉殿偉;盧碧波;那曉東;;高分辨率遙感影像的快速分割方法[J];紅外與毫米波學(xué)報(bào);2009年02期

7 路漫漫;滕奇志;;蟻群算法實(shí)現(xiàn)的圖像邊緣連接[J];計(jì)算機(jī)應(yīng)用;2010年04期

8 王朋偉;牛瑞卿;;基于灰度形態(tài)學(xué)與小波相位濾波的高分辨率遙感影像邊緣檢測[J];計(jì)算機(jī)應(yīng)用;2011年09期

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

10 楊嘉琛;侯春萍;沈麗麗;張卓筠;;基于PSNR立體圖像質(zhì)量客觀評價方法[J];天津大學(xué)學(xué)報(bào);2008年12期

，

本文編號：730659