在無(wú)人機(jī)圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域中,從無(wú)人機(jī)圖像中提取高精度、可靠性強(qiáng)的建筑物、道路、橋梁等其它人工地物信息具有重要的意義,簡(jiǎn)單線性迭代聚類(lèi)算法(Simple linear iterative clustering,SLIC)被公認(rèn)為是目前具有綜合性能最為出色的一種超像素分割算法,但是SLIC算法在進(jìn)行圖像分割時(shí),仍存在隨機(jī)選取種子點(diǎn)、人為確定K值和分割結(jié)果中存在孤立小區(qū)域的問(wèn)題,針對(duì)以上缺陷提出了一種結(jié)合快速密度峰值搜索算法的SLIC分割算法來(lái)對(duì)圖像進(jìn)行分割,并對(duì)分割后的圖像進(jìn)行孤立小區(qū)域處理,最后對(duì)處理后的圖像進(jìn)行特征提取并使用SVM支持向量機(jī)來(lái)進(jìn)行無(wú)人機(jī)圖像建筑物的識(shí)別。工作包括以下幾個(gè)方面:(1)針對(duì)快速密度峰值搜索算法(Clustering by fast search and find of density peaks,CFSFDP)現(xiàn)有的不足,引入信息熵和min-max標(biāo)準(zhǔn)化對(duì)人為設(shè)定截?cái)嗑嚯x和利用決策圖選取聚類(lèi)中心進(jìn)行改進(jìn),將改進(jìn)的CFSFDP算法進(jìn)行聚類(lèi)結(jié)果和性能測(cè)試的比較,實(shí)驗(yàn)結(jié)果表明改進(jìn)的CFSFDP算法比原始的CFSFDP算法的聚類(lèi)效果更好,準(zhǔn)確率更高。(2)將改...

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-2降序排列的值

第3章基于信息熵和min-max標(biāo)準(zhǔn)化的CFSFDP算法11圖3-2降序排列的值分布圖3.1.1CFSFDP算法步驟在CFSFDP算法流程中，首先要人為給定截?cái)嗑嚯x的值，其次計(jì)算出每個(gè)樣本點(diǎn)的局部密度和高局部密度點(diǎn)距離，聚類(lèi)中心根據(jù)和的值來(lái)進(jìn)行確定，最后對(duì)非樣本中心點(diǎn)進(jìn)行聚類(lèi)，確....

圖(b)SLIC算法搜索區(qū)域搜索區(qū)域

西北師范大學(xué)碩士學(xué)位論文17該算法模仿自然進(jìn)化的過(guò)程以實(shí)現(xiàn)有效的優(yōu)化，并且對(duì)目標(biāo)函數(shù)的形式?jīng)]有任何限制；YooH等人[41]引入可靠性因子以定量測(cè)量區(qū)域的不均勻性,對(duì)每個(gè)超像素進(jìn)行計(jì)算，以考慮逐像素梯度的噪聲敏感性，并在同一對(duì)象內(nèi)分配相似的可靠性值，來(lái)對(duì)視覺(jué)的實(shí)時(shí)后方障礙物進(jìn)行檢....

圖4-2CIE-Lab顏色空間結(jié)構(gòu)圖

第4章基于CFSFDP-IEM的超像素分割算法18圖4-2CIE-Lab顏色空間結(jié)構(gòu)圖SLIC算法的基本原理是將N個(gè)像素集劃分到K個(gè)超像素里，要求劃分到同一超像素里的像素點(diǎn)盡可能的相似而劃分到不同超像素里的像素點(diǎn)盡可能的相異。算法先隨機(jī)選取K個(gè)種子點(diǎn)作為初始聚類(lèi)中心，計(jì)算剩余的像....

圖4-4原始圖片

第4章基于CFSFDP-IEM的超像素分割算法22(→)=∑(‖‖∈<)∈||(4-10)式(4-10)中：q表示圖像S中超像素分割結(jié)果的邊緣像素點(diǎn)，p表示圖像g中人工標(biāo)準(zhǔn)分割結(jié)果的邊緣像素點(diǎn)，表示人工標(biāo)準(zhǔn)分割結(jié)果中所有邊緣像素點(diǎn)的集合，表示超像素分割結(jié)果中所有邊緣像素點(diǎn)的集合，....

本文編號(hào)：4015500