本文關(guān)鍵詞：霧霾天（低質(zhì)量）航拍圖像道路目標(biāo)提取算法研究

  更多相關(guān)文章： 霧霾天(低質(zhì)量)航拍圖像 道路提取 Retinex算法 分?jǐn)?shù)階微分 K均值聚類 最小生成樹 山脊邊界掃描

【摘要】：近年來,航拍技術(shù)已成為獲取地面信息,特別是道路信息的主要手段之一。然而由于霧霾天氣發(fā)生頻率逐年增加,使得在霧霾天氣下,采集到的航拍圖像中的道路目標(biāo)很難被清晰的顯示出來,從而嚴(yán)重影響后期的目標(biāo)識別與提取工作。本文主要針對由霧霾天氣造成的航拍圖像模糊不清、低對比度和色彩暗淡等問題,就道路目標(biāo)提取相關(guān)算法展開了深入的研究。本文的研究內(nèi)容包括對霧霾天采集到的低質(zhì)量航拍圖像進(jìn)行底層處理和道路目標(biāo)提取兩個部分,其中底層處理是道路提取的基礎(chǔ),而道路提取又是底層處理的目的,兩者缺一不可,相輔相成,構(gòu)成一個有機(jī)的整體。文中的對低質(zhì)量航拍圖像的底層處理包括去霧和邊緣增強(qiáng)兩個步驟;道路目標(biāo)提取算法研究也包括兩個部分,一種是針對常規(guī)的低質(zhì)量航拍圖像道路目標(biāo)檢測,另一種是針對具有山脊特性的道路信息提取。主要完成的工作及取得的成果有:1、在對圖像去霧的相關(guān)理論、尤其是Retinex算法的研究和分析基礎(chǔ)上,研究了一種基于景深信息改進(jìn)的變化尺度的Retinex算法。具體處理方法是將Retinex算法與圖像的傳播圖相結(jié)合,根據(jù)圖像中的景深信息在不同的區(qū)域采用不同尺度的高斯濾波函數(shù)來對圖像進(jìn)行處理。通過大量的實(shí)驗(yàn)分析對比,采用亮度均值、標(biāo)準(zhǔn)差和平均梯度這個三個參數(shù)對結(jié)果進(jìn)行客觀評價,表明改進(jìn)的算法能夠有效地改善圖像的質(zhì)量。處理后的圖像清晰,色彩自然,去霧效果好。尤其避免了常規(guī)Retinex算法使用一個全局估計(jì)量來對圖像進(jìn)行去霧處理時,由于照度不均勻(霧霾的濃度不均勻),或者背景顏色亮度很高而造成的結(jié)果失真等缺陷,為后續(xù)的目標(biāo)提取工作打下良好的基礎(chǔ)。2、為了實(shí)現(xiàn)對霧霾天(低質(zhì)量)航拍圖像邊緣及紋理的增強(qiáng),使圖像的細(xì)節(jié)信息更加清晰,從而引入了分?jǐn)?shù)階微分算子,通過對Tiansi算子原理及特點(diǎn)的分析研究,對其進(jìn)行了改進(jìn),提出的新算子模板中每個像素的系數(shù)按其距離檢測點(diǎn)的長短來確定,同時模板中的每個像素權(quán)值都不為零,且大小根據(jù)鄰域點(diǎn)與中心點(diǎn)的距離及分?jǐn)?shù)階微分結(jié)果技術(shù)展開式中的項(xiàng)數(shù)系數(shù)來確定。該新算子可以更好地增強(qiáng)圖像的邊緣和紋理信息,同時保證圖像的亮度不產(chǎn)生大幅度變化,而且可以抑制噪聲的影響。增強(qiáng)效果的客觀評價標(biāo)準(zhǔn)主要采用的是圖像信息熵以及圖像直方圖,通過實(shí)驗(yàn)對比分析改進(jìn)后的模板對圖像增強(qiáng)的結(jié)果,可以表明該算法具有良好的處理效果。3、對霧霾天采集到的低質(zhì)量航拍圖像進(jìn)行去霧和邊緣增強(qiáng)處理之后,研究了一種結(jié)合K均值聚類和最小生成樹的道路目標(biāo)提取算法。改進(jìn)的算法采用K均值聚類算法對其進(jìn)行初始聚類,然后使用最小生成樹算法實(shí)現(xiàn)對圖像中的道路目標(biāo)提取。針對低質(zhì)量航拍圖像具有的特殊性,即噪聲較多、光照不均以及邊界細(xì)小微弱難以檢測,該算法將K均值聚類與圖論算法相結(jié)合,在一定程度上減少了圖論最小生成樹算法過度分割的缺點(diǎn)。然后用骨架提取、毛刺消除和斷線連接等相關(guān)后處理方法對道路信息進(jìn)一步優(yōu)化處理,可以有效消除噪聲的影響,克服光照不均、陰影等缺點(diǎn),準(zhǔn)確地將低質(zhì)量航拍圖像中的道路提取出來。在選取圖像連續(xù)性、置信度和量化度這三個參數(shù)的基礎(chǔ)之上,對實(shí)驗(yàn)結(jié)果進(jìn)行客觀評價,表明該算法可以很好地將圖像的全局信息和局部信息結(jié)合在一起,相對于其它算法能夠取得更好的提取效果。4、針對低質(zhì)量航拍圖像中具有山脊特性的道路目標(biāo),研究了一種改進(jìn)的山脊邊緣檢測算法實(shí)現(xiàn)道路目標(biāo)的提取。與一般的邊界掃描算子不同之處在于,文中改進(jìn)的算法是基于三到四個點(diǎn)的短線條檢測,而不是基于點(diǎn)檢測,從而確保了檢測出的邊界為具有山脊邊界特性的道路,提高檢測的精確度。通過實(shí)驗(yàn)將該算法與常規(guī)算法進(jìn)行了比較,結(jié)果表明,該方法針對具有山脊特征的道路目標(biāo)提取具有良好的效果,在抗噪性和檢測精度這個兩個矛盾之間達(dá)到一定的平衡。
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 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

2 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

3 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(bào);2009年04期

4 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

5 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(bào)(自然科學(xué)版);2012年01期

6 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

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

8 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

9 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11期

10 潘泓;夏良正;;一種基于圖像邊緣的矩計(jì)算方法[J];模式識別與人工智能;2003年03期

中國重要會議論文全文數(shù)據(jù)庫 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

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 吳飛;無邊距照片打印三部曲[N];中國電腦教育報(bào);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(bào);2009年

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

4 ;圖像質(zhì)量調(diào)整秘技[N];電腦報(bào);2001年

5 馬駿睿 皓月;制作版畫效果圖片[N];中國攝影報(bào);2007年

6 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報(bào);2009年

7 西安 張正倉;I~（2）C總線控制的HG-2220AV液晶屏視頻信號驅(qū)動板[N];電子報(bào);2003年

8 ;令挑剔的人也刮目相看[N];中國電子報(bào);2001年

9 侯杰;國產(chǎn)芯片進(jìn)軍移動多媒體市場[N];人民郵電;2003年

10 于亮、阿鯤;技術(shù)“掃”天下[N];中國計(jì)算機(jī)報(bào);2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 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

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 馮景;基于SAR圖像的海面溢油檢測研究[D];北京理工大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 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

2 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

3 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

4 王雨婷;基于林火圖像特征的火險識別系統(tǒng)研究與設(shè)計(jì)[D];東北林業(yè)大學(xué);2015年

5 胡海鋒;基于激光散斑圖像的零件表面粗糙度測量[D];南京信息工程大學(xué);2015年

6 王鑫;基于CT圖像的肺結(jié)節(jié)檢測方法研究[D];長春工業(yè)大學(xué);2015年

7 何建斌;基于IPCS的醫(yī)學(xué)圖像網(wǎng)絡(luò)考試系統(tǒng)的設(shè)計(jì)與研究[D];廣東技術(shù)師范學(xué)院;2015年

8 宋小潞;基于大氣物理模型的單幅圖像去霧算法研究[D];華南理工大學(xué);2015年

9 盧永樂;基于查找表的圖像逆半調(diào)模板選擇方法研究[D];湖南工業(yè)大學(xué);2015年

10 武翔宇;基于圖像的接觸網(wǎng)支柱檢測與編號識別[D];西南交通大學(xué);2015年

本文編號：1277877