隨著信息科學(xué)技術(shù)的快速發(fā)展,航拍圖像已成為目前獲取大量地面觀測數(shù)據(jù)的重要來源之一。本文以模糊不清的航拍圖像為對象,重點(diǎn)研究了圖像的增強(qiáng)及其道路的提取與分析,具體工作內(nèi)容如下:1、基于冪次變換和尺度變化的Retinex增強(qiáng)方法。在深入分析Retinex理論和發(fā)展歷程的基礎(chǔ)上,通過分析Retinex理論在不良天氣條件下增強(qiáng)圖像的應(yīng)用,針對景深信息差別較大的航拍圖像,提出了一種改進(jìn)的Retinex圖像增強(qiáng)算法。首先,利用冪次變換增強(qiáng)圖像暗區(qū)信息,壓縮圖像的動態(tài)范圍,同時為了抑制圖像白光區(qū)域出現(xiàn),對冪次變換進(jìn)行非線性變換;其次,根據(jù)算出的暗原色傳播圖來估算出圖像中不同區(qū)域的Retinex高斯濾波尺度和確定變化的濾波尺度;最后通過采用變化尺度的高斯函數(shù)和原始圖像做卷積處理來得到照射分量,再從原始圖像中減去照射分量,并對該圖像進(jìn)行指數(shù)變換得到最終圖像增強(qiáng)結(jié)果。2、基于分?jǐn)?shù)階微分的增強(qiáng)方法。在分?jǐn)?shù)階微積分的定義和特性的析的基礎(chǔ)上,探討了分?jǐn)?shù)階微分G-L方程中各項(xiàng)系數(shù)的特性,根據(jù)這些特性,針對景深信息差別不大的航拍圖像,提出了一種改進(jìn)的分?jǐn)?shù)階微分模板的圖像增強(qiáng)方法。通過與其它整數(shù)階微分方法和傳統(tǒng)的分?jǐn)?shù)階微分增強(qiáng)算法比較,新的分?jǐn)?shù)階微分算子能夠得到較好的增強(qiáng)效果,并且對于較弱信號處理效果不理想的缺陷給予了彌補(bǔ),該算法更具實(shí)用性和針對性。3、基于改進(jìn)Canny算子的道路提取方法。首先,對于景深信息差別較大及道路有一定寬度的航拍圖像,通過Retinex算法增強(qiáng)圖像;然后用改進(jìn)的Canny算子檢測出主要道路段,在改進(jìn)的Canny算子中,對于不同的航拍圖像,高低閾值是自動獲得的,確定高低閾值是使用貝葉斯和交叉熵理論來進(jìn)行的;最后,基于二值圖像中不連續(xù)道路段的形狀參數(shù)來修正和連接路段。實(shí)驗(yàn)中,分別大量地測試了道路段均勻性好的和均勻性差的圖像,并比較了幾種常用的圖像分割算法,試驗(yàn)及對比分析結(jié)果表明:對模糊或光照不均的高精度圖像(道路有一定的寬度),新算法有著明顯的效果。4、基于谷點(diǎn)邊界特性的道路提取方法。對低精度圖像,該算法采用分?jǐn)?shù)階微分進(jìn)行圖像增強(qiáng)后,將圖像中細(xì)窄的道路段看成是谷點(diǎn)邊界。首先將彩色圖像在保證突出道路的前提下轉(zhuǎn)換成灰度圖像,然后在灰度圖像中,用一個5?5的模板檢測圖像中的每一個像素是否是可能的谷點(diǎn),對每一個點(diǎn)的檢測是分別在四個方向上按3-4個像素的連線來進(jìn)行的,而不是基于單獨(dú)一個點(diǎn)來檢測的,這樣可以減少許多噪聲的產(chǎn)生,從而減少候選谷點(diǎn)線段的后處理工作。通過對谷點(diǎn)的判斷,可有效地去除復(fù)雜背景對道路提取的影響。最后通過圖像后處理,消除短線和噪聲影響,并將斷續(xù)的路段連接起來。實(shí)驗(yàn)表明,該算法可以有效地減弱復(fù)雜背景的影響,最后從圖像連續(xù)性、置信度和量化度三個方面分析了算法的可靠性。5、基于二階矩的最小外接矩形測量算法。由于道路目標(biāo)形狀不規(guī)則及圖像數(shù)字離散化的原因,道路長度和寬度計(jì)算精度會受到較大影響,為了提高測量精度,將復(fù)雜的線狀目標(biāo)按曲率節(jié)點(diǎn)分成不同的準(zhǔn)直線段,然后把每線段放到其最小外接矩形內(nèi)進(jìn)行長度和寬度的測量。每一線段的最小外接矩形的獲取是:首先根據(jù)二值圖像中每條線段的質(zhì)心和通過質(zhì)心的二階矩來計(jì)算主次軸方向;然后基于主次軸有條件地向外擴(kuò)展四條直線來確定該線段的最小外接矩形,所以該算法是與線段轉(zhuǎn)動角度無關(guān)的方法,只與四條直線與目標(biāo)相交的點(diǎn)數(shù)有關(guān)。最后將每條直線段的長度累加起來的結(jié)果就是圖像中該道路的長度,并算出該段路的平均寬度。實(shí)驗(yàn)結(jié)果表明,該算法對獲取線狀目標(biāo)的全局信息和形狀、寬度、長度都有較好的效果。
【學(xué)位單位】：長安大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2017
【中圖分類】：TP391.41
【部分圖文】：

（6）由于車輛，車道，草或顯著的標(biāo)簽等，一條漫長的道路或道路網(wǎng)絡(luò)的路面可能出現(xiàn)中斷。（7）由于不均勻的照明或其他物體的陰影，路面的顏色或灰度值變化很大，這使得圖像分割和道路跟蹤很難。（8）天氣因素會使航拍圖像模糊或道路部分失真，形成了一幅模糊的圖像。1.3 國內(nèi)外研究的現(xiàn)狀1.3.1 道路提取研究現(xiàn)狀國內(nèi)外在航拍影像智能化提取道路研究方面取得了顯著成果。在20世紀(jì)70年代，Marr提出的“視覺計(jì)算理論”理論框架在圖像處理領(lǐng)域中得到運(yùn)用和發(fā)展。根據(jù)Marr“視覺計(jì)算理論”，圖像道路提取可以分為三個階段：首先，對圖像進(jìn)行校正、濾波等預(yù)處理；其次，進(jìn)行二值化、邊緣提取和對道路進(jìn)行建模分析等低高層次處理；最后，對得到的特征信息進(jìn)行學(xué)習(xí)、總結(jié)和推理，從而解譯影像道路。

(d) c=110 結(jié)果 (e) 多尺度結(jié)果圖 2.3 霧霾圖像及其單尺度 Retinex 算法結(jié)果，當(dāng)尺度參數(shù) c 取值較大時，高斯函數(shù)整體比滑，結(jié)果表明顏色保真能力好，但是其動態(tài)壓當(dāng) c 取值較小時，高斯函數(shù)相對陡峭，單尺突出了圖像的細(xì)節(jié)（如道路的邊緣信息、建筑 Retinex 算法綜合了單尺度處理的結(jié)果，在顏但是由于沒有考慮到景深信息，圖像中的道路道路提取工作。是決定 MSR 效果的一個重要因素，本文采用像，其特點(diǎn)是圖像對比度低、道路等信息模糊etinex 算法，對近景物體作大尺度的高斯濾波這樣分別處理的好處如下：

(a) 原始圖像 (b) 暗原色圖像 (c) 傳播圖像 (d) HE 的結(jié)果圖 2.4 霧霾圖像與其暗原色傳播圖在本章提出的單尺度 Retinex 算法中，單尺度 Retinex 大小的選取是由圖像景深決定的，在不同區(qū)域有不同的值。該算法先獲得霧霾圖像的暗原色圖像，然后根據(jù)公式（2.21）求出傳播圖 t (x , y )。 的取值范圍為 0 到 1，數(shù)值越小表示離相機(jī)越遠(yuǎn)，越大表示離相機(jī)越近。由于暗原色傳播圖反映著霧霾圖像的景深變化，因此，在圖 2.4（c）中，小亮度區(qū)域表示離相機(jī)較遠(yuǎn)，大亮度區(qū)域表示離照相機(jī)較近。根據(jù)對離相機(jī)遠(yuǎn)的區(qū)域和近的區(qū)域分別作小尺度變換和大尺度變換的原則，我們可以獲得尺度參數(shù) c (x , y )和傳播圖 的線性關(guān)系如下：( , ) min( ( , ))c( , ) 100 10max( ( , )) min( ( , ))t x y t x yx yt x y t x y(2.22式中，max(t (x , y ))和min(t (x , y ))分別為 的最大值和最小值。根據(jù)公式（2.22），可以得到圖像每一像素點(diǎn)處的尺度參數(shù) ，其變化范圍是

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃炯;圖像邊緣處理[J];電視字幕(特技與動畫);2000年09期

2 劉建忠;;圖像邊緣的數(shù)學(xué)結(jié)構(gòu)分析[J];軟件;2011年05期

3 陳文兵;張小磊;;基于圖像邊緣的能見度計(jì)算方法[J];微型電腦應(yīng)用;2009年04期

4 曾友州;胡瑩;曾偉一;鄭曉霞;;提取數(shù)字圖像邊緣的算法比較[J];成都航空職業(yè)技術(shù)學(xué)院學(xué)報;2009年04期

5 潘衛(wèi)國;鮑泓;何寧;;一種傳統(tǒng)中國書畫圖像的二分類方法[J];計(jì)算機(jī)科學(xué);2012年03期

6 周濤;陸惠玲;拓守恒;馬競先;楊德仁;;基于非凸區(qū)域下近似的圖像邊緣修補(bǔ)算法[J];寧夏大學(xué)學(xué)報(自然科學(xué)版);2012年01期

7 唐亮;唐娉;閻福禮;鄭柯;;HJ-1 CCD圖像自動幾何精糾正系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2012年S2期

8 宋建中;;噴霧圖像的自動分析[J];光學(xué)機(jī)械;1988年04期

9 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

10 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王偉凝;余英林;張劍超;;圖像的動感特征分析[A];第一屆中國情感計(jì)算及智能交互學(xué)術(shù)會議論文集[C];2003年

3 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復(fù)方法[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊）[C];2001年

4 王強(qiáng);王風(fēng);;一種保持圖像幾何特征的去噪模型[A];中國通信學(xué)會第五屆學(xué)術(shù)年會論文集[C];2008年

5 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會（CVR’2001）論文集[C];2001年

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無參考客觀質(zhì)量評測方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

7 孟晉麗;張毅;金林;;圖像中混合噪聲的小波域?yàn)V除方法[A];2007'儀表，自動化及先進(jìn)集成技術(shù)大會論文集（一）[C];2007年

8 漆琳智;張超;吳向陽;;引導(dǎo)濾波的單幅圖像前景精確提取[A];浙江省電子學(xué)會2013學(xué)術(shù)年會論文集[C];2013年

9 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

10 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

相關(guān)重要報紙文章 前5條

1 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

2 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報;2009年

3 ;B超術(shù)語解釋[N];農(nóng)村醫(yī)藥報（漢）;2008年

4 ;圖像質(zhì)量調(diào)整秘技[N];電腦報;2001年

5 馬駿睿 皓月;制作版畫效果圖片[N];中國攝影報;2007年

相關(guān)博士學(xué)位論文 前10條

1 王志偉;航空圖像的增強(qiáng)及其道路的提取和分析[D];長安大學(xué);2017年

2 梁福來;低空無人機(jī)載UWB SAR增強(qiáng)成像技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

3 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

4 賈茜;基于時—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學(xué);2014年

5 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學(xué);2014年

6 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

7 楊小義;圖像特征識別算法及其在聾人視覺識別中的應(yīng)用研究[D];重慶大學(xué);2015年

8 王玉明;SAR圖像地雷場檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

9 溫景陽;圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學(xué);2015年

10 李林;基于概率圖模型的圖像整體場景理解方法研究[D];電子科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李鵬遠(yuǎn);圖像檢索算法研究及其在互聯(lián)網(wǎng)教育中的應(yīng)用[D];華南理工大學(xué);2015年

2 萬燕英;微聚焦X-ray圖像自適應(yīng)正則化去噪方法[D];華南理工大學(xué);2015年

3 毛雙艷;基于梯度域的圖像風(fēng)格化渲染方法的研究及其應(yīng)用[D];華南理工大學(xué);2015年

4 向訓(xùn)文;RGB-D圖像顯著性檢測研究[D];華南理工大學(xué);2015年

5 曾旭;基于聚類和加權(quán)非局部的圖像稀疏去噪方法研究[D];天津理工大學(xué);2015年

6 熊楊超;圖像美學(xué)評價及美學(xué)優(yōu)化研究[D];華南理工大學(xué);2015年

7 王艷;圖像視覺顯著性檢測方法及應(yīng)用的研究[D];華南理工大學(xué);2015年

8 鄭露萍;圖像二階微分特征提取及人臉識別應(yīng)用研究[D];昆明理工大學(xué);2015年

9 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學(xué);2015年

10 曹靜;基于暗通道先驗(yàn)算法的圖像去霧處理[D];海南大學(xué);2015年

本文編號：2830871