【摘要】：圖像邊緣檢測是圖像處理和計算機視覺的基本技術(shù),邊緣檢測的效果對圖像后期處理有著很大的影響。隨著遙感技術(shù)的發(fā)展,越來越多的遙感數(shù)據(jù)被加以利用并應用到各行各業(yè)。高分辨率遙感影像中含有大量的噪聲信息,在高分遙感影像邊緣檢測過程中,如何去除噪聲和抵抗噪聲干擾顯得尤為重要。本文主要做了以下研究:1.研究了圖像邊緣、圖像邊緣檢測以及高分辨率遙感影像中邊緣檢測算法的相關(guān)知識理論以及圖像邊緣檢測算法在去噪和抗噪方面的知識理論。分析了典型算法在實際處理圖像過程中仍然存在的問題,總結(jié)了在去噪以及抗噪方面可能改進的方向。高分辨率遙感影像下建筑物呈現(xiàn)面狀結(jié)構(gòu),邊緣特征明顯,但同時高分辨率遙感影像中含有更多的噪聲信號,現(xiàn)存的邊緣檢測的方法在去噪和抗噪兩方面略有不足,還存在優(yōu)化改進的空間。除此之外對邊緣的定位也不夠準確,檢測出來的邊緣有間斷點,還有漏檢和誤檢的情況。2.從多方向去噪融合和多尺度加權(quán)融合兩方面分別提出了基于非下采樣輪廓波變換(NSCT)的優(yōu)化改進算法。文中對Canny算子、小波變換以及對NSCT進行了分析,分別介紹了這些算法的原理、特性以及優(yōu)缺點,并根據(jù)NSCT具有平移不變性和多尺度分解特性的優(yōu)勢,對NSCT做多方向去噪和多尺度加權(quán)融合的優(yōu)化設(shè)計。通過大量的仿真數(shù)據(jù)實驗驗證了優(yōu)化后的算法相比于Canny算子、小波變換、NSCT在處理含噪10%-30%的圖像中具有一定的優(yōu)勢,并驗證了本文算法的可行性。3.將本文優(yōu)化后的邊緣檢測算法應用到在線共性基礎(chǔ)服務子系統(tǒng)中,并結(jié)合在線共性基礎(chǔ)服務子系統(tǒng),對高分衛(wèi)星遙感影像進行建筑物邊緣檢測并分析檢測結(jié)果。本文的主要成果是在NSCT的基礎(chǔ)上增加分解的層數(shù)和方向在去噪和抑制噪聲方面做出了優(yōu)化改進,并應用到在線共性基礎(chǔ)服務子系統(tǒng)中,通過提供在線的圖像分析工具以及圖像處理算法模塊為用戶提供在線的圖像邊緣檢測等服務。
【圖文】：

好的表現(xiàn)并具有平移不變的特性，可以更容易的對圖像進行稀疏表示。由于時沒有下采樣的操作，就消除了低頻子帶中頻譜混疊的現(xiàn)象。.4.2 非降采樣金字塔濾波器降采樣金字塔濾波器組是由一個個不進行下采樣的金字塔濾波器聯(lián)合組成，原理，所以具備平移不變的特征。根據(jù)高頻子帶和低頻子帶的不同特征使用像分解處理，然后對分解出的低頻子帶進行迭代分解以獲得多級結(jié)構(gòu)。這種以進行完全重構(gòu)，但需要滿足式(1)中的條件：xxxx0011M（ ）N（）+ M（）N（）（2-們用 M0(x)來表示低通分解濾波器,用 M1(x)表示帶通分解濾波器，用 N0(x)表濾波器，用 N1(x)表示帶通重構(gòu)濾波器。那么非下采樣分級濾波器組一級分圖如 2-1 所示。

圖 2-2 非降采樣塔型濾波器分解級聯(lián)結(jié)構(gòu)圖.4.3 非降采樣方向濾波器組保留采樣算子并且讓方向濾波器具有平移不變的特性就必須去掉濾波器組中塊中的下采樣操作。具體過程是選用雙通道非降采樣濾波器，然后通過對所波器做上采樣操作，再把方向濾波器進行級聯(lián)來組成濾波器組后，我們就能向的分解圖，，且去除了對圖像的采樣操作。具體結(jié)構(gòu)圖如圖 2-3 所示。
【學位授予單位】：河南大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751

【參考文獻】

相關(guān)期刊論文 前5條

1 穆遠彪;于亞龍;;圖像去噪算法的研究[J];現(xiàn)代計算機(專業(yè)版);2014年05期

2 陳一虎;;圖像邊緣檢測方法綜述[J];寶雞文理學院學報(自然科學版);2013年01期

3 鄧彩霞;陰茵;馬偉鳳;金偉;楊鑫蕊;;改進的LOG算子與小波變換融合的邊緣檢測方法[J];哈爾濱理工大學學報;2012年05期

4 孫英慧;蒲東兵;;基于拉普拉斯算子的邊緣檢測研究[J];長春師范學院學報(人文社會科學版);2009年12期

5 雷麗珍;;數(shù)字圖像邊緣檢測方法的探討[J];測繪通報;2006年03期

相關(guān)碩士學位論文 前6條

1 胡志峰;基于小波變換圖像去噪及邊緣檢測研究[D];東華理工大學;2018年

2 張進;基于小波NSCT變換和數(shù)學形態(tài)學的圖像邊緣檢測[D];東北石油大學;2014年

3 曹照清;遙感圖像處理的若干關(guān)鍵技術(shù)研究[D];南京航空航天大學;2013年

4 魏德強;高分辨率遙感影像建筑物提取技術(shù)研究[D];解放軍信息工程大學;2013年

5 潘夏英;圖像邊緣檢測技術(shù)的研究[D];西安科技大學;2011年

6 江娜;高分辨率遙感影像建筑物半自動提取方法研究[D];山東科技大學;2009年

本文編號：2589803