本文選題：河流遙感圖像 + 圖像分割　； 參考：《中國圖象圖形學(xué)報》2017年02期

【摘要】：目的河流遙感圖像是背景復(fù)雜的非勻質(zhì)圖像,利用傳統(tǒng)的活動輪廓模型進(jìn)行分割往往不夠準(zhǔn)確。針對這一問題,提出了基于區(qū)域信息融合的混合活動輪廓模型來分割河流遙感圖像。方法該混合模型將Chan-Vese(CV)模型和基于交叉熵的活動輪廓模型的外部能量約束項相結(jié)合,并賦予歸一化調(diào)節(jié)比例系數(shù)。通過計算輪廓曲線內(nèi)外區(qū)域像素灰度的方差和交叉熵,指導(dǎo)曲線逼近目標(biāo)邊緣。為了加速混合模型的演化,引入曲線內(nèi)外區(qū)域像素灰度的類內(nèi)絕對差,取代原有的內(nèi)外區(qū)域能量權(quán)值,以提高混合模型的分割效率。結(jié)果大量實驗結(jié)果表明,相較于CV模型、測地線模型、基于交叉熵的活動輪廓模型、CV模型和測地線模型的混合模型以及局部全局灰度擬合能量模型(LGIF),本文混合模型分割河流遙感圖像的靈敏度和上述方法都接近于100%,準(zhǔn)確率大幅提升,在90%以上,虛警率則下降了約50%,且所需迭代次數(shù)和運行時間更少。結(jié)論本文提出的混合模型主要適用于具有一定對比度的河流遙感圖像,在分割性能和分割效率兩個方面,都有明顯的優(yōu)勢。
[Abstract]:Objective River remote sensing image is a heterogeneous image with complicated background. It is often not accurate to segment river remote sensing image by using traditional active contour model. To solve this problem, a hybrid active contour model based on regional information fusion is proposed to segment river remote sensing images. Methods the hybrid model combines the Chan-Vesewe CVV model with the external energy constraints of the active contour model based on cross-entropy, and gives a normalized adjusting scale coefficient. By calculating the variance and cross entropy of pixels in the contour curve, the curve is guided to approach the edge of the target. In order to accelerate the evolution of the hybrid model, the intra-class absolute difference of pixel grayscale in the inner and outer region of the curve is introduced to replace the original energy weight of the inner and outer region, so as to improve the segmentation efficiency of the hybrid model. Results A large number of experimental results show that compared with CV model, geodesic model, Based on cross entropy, the mixed model of CV model and geodesic model and the local global gray level fitting energy model are used to segment river remote sensing images. The sensitivity and the above methods are close to 100, and the accuracy is greatly improved. Above 90%, the false alarm rate decreases about 50%, and the number of iterations and the running time are less. Conclusion the hybrid model proposed in this paper is mainly suitable for river remote sensing images with certain contrast and has obvious advantages in segmentation performance and segmentation efficiency.
【作者單位】： 南京航空航天大學(xué)電子信息工程學(xué)院;長江水利委員會長江科學(xué)院武漢市智慧流域工程技術(shù)研究中心;黃河水利委員會黃河水利科學(xué)研究院水利部黃河泥沙重點實驗室;南京水利科學(xué)研究院港口航道泥沙工程交通行業(yè)重點實驗室;哈爾濱工業(yè)大學(xué)城市水資源與水環(huán)境國家重點實驗室;
【基金】：國家自然科學(xué)基金項目(61573183) 港口航道泥沙工程交通行業(yè)重點實驗室開放基金 長江科學(xué)院開放基金項目(CKWV2013225/KY) 水利部黃河泥沙重點實驗室開放基金項目(2014006) 城市水資源與水環(huán)境國家重點實驗室開放基金項目(LYPK201304) 江蘇高校優(yōu)勢學(xué)科建設(shè)工程(2012)~~
【分類號】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 吳詩Zs;吳一全;周建江;孟天亮;;利用倒數(shù)灰度熵和改進(jìn)Chan-Vese模型進(jìn)行SAR河流圖像分割[J];測繪學(xué)報;2015年11期

【共引文獻(xiàn)】

相關(guān)期刊論文 前2條

1 韓斌;吳一全;宋昱;;利用區(qū)域信息融合混合活動輪廓模型的河流遙感圖像分割[J];中國圖象圖形學(xué)報;2017年02期

2 郭蕓;王宜懷;劉純平;龔聲蓉;季怡;;基于主曲線的遙感圖像河岸線提取[J];通信學(xué)報;2016年11期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 曹敏;史照良;陽建逸;;蜂群智能算法的遙感影像分類方法[J];測繪學(xué)報;2013年05期

2 于曉升;吳成東;陳東岳;田子恒;;支持向量機(jī)和水平集的高分辨率遙感圖像河流檢測[J];中國圖象圖形學(xué)報;2013年06期

3 慎利;唐宏;王世東;張露;;結(jié)合空間像素模板和Adaboost算法的高分辨率遙感影像河流提取[J];測繪學(xué)報;2013年03期

4 王珂;肖鵬峰;馮學(xué)智;吳桂平;李暉;;基于頻域濾波的高分辨率遙感圖像城市河道信息提取[J];遙感學(xué)報;2013年02期

5 王超;黃鳳辰;湯曉斌;湯敏;徐立中;;一種針對復(fù)雜背景下高分辨率SAR圖像河道檢測算法[J];遙感技術(shù)與應(yīng)用;2012年04期

6 江沖亞;李滿春;劉永學(xué);;海岸帶水體遙感信息全自動提取方法[J];測繪學(xué)報;2011年03期

7 時向勇;李先華;鄭成建;;The Study of Extracting River Nets Based on Intelligence Ant Colony Algorithm on MODIS Remote Sensing Images[J];Journal of Donghua University(English Edition);2010年05期

8 陳愛軍;魏祥泉;朱兵;;衛(wèi)星遙感圖像中河流的快速提取方法[J];紅外與激光工程;2006年S4期

9 李德仁,劉良明,胡曉沁;1996-2000年中國攝影測量與遙感進(jìn)展[J];測繪學(xué)報;2001年02期

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 王相海;金弋博;;高光譜海岸帶區(qū)域分割的活動輪廓模型[J];中國圖象圖形學(xué)報;2013年08期

，

本文編號：1889690