針對當(dāng)前植物景觀三維圖像表面點自相似性系數(shù)較低,邊緣銳化效果較差的問題,提出基于色調(diào)映射和顏色特征分解的植物景觀三維圖像邊緣銳化方法.采用稀疏線性組合方法進(jìn)行植物景觀三維圖像的邊緣輪廓特征分解,提取植物景觀三維圖像的邊緣分塊特征量;根據(jù)植物景觀的表面點、細(xì)節(jié)區(qū)域進(jìn)行植物景觀圖像超分辨率重構(gòu)和模板匹配,重建植物景觀圖像的整體直方圖分布模型,采用色調(diào)映射和顏色特征分解方法,獲得植物景觀三維圖像邊緣銳化表面點自相似性系數(shù).仿真結(jié)果表明,該方法獲得的自相似性系數(shù)較高. 

【文章來源】：沈陽工業(yè)大學(xué)學(xué)報. 2020,42(03)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
1 圖像稀疏表示模型和輪廓檢測
    1.1 三維圖像的稀疏表示模型
    1.2 邊緣輪廓特征分解
2 三維圖像邊緣銳化處理
    2.1 色調(diào)映射和顏色特征分解
    2.2 邊緣銳化表面點自相似性
3 仿真實驗與結(jié)果分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的基于稀疏表示的全色銳化算法[J]. 吳宗駿,吳煒,楊曉敏,劉凱,Gwanggil Jeon,袁皓.  計算機(jī)應(yīng)用. 2019(02)
[2]基于稀疏分解和背景差分融合方法的圖像處理技術(shù)[J]. 王金茹.  沈陽工業(yè)大學(xué)學(xué)報. 2018(04)
[3]關(guān)于三維城市景觀實體準(zhǔn)確測量優(yōu)化建模仿真[J]. 張寶平,黃慶豐.  計算機(jī)仿真. 2018(05)
[4]基于三維視覺的海洋生物區(qū)域種類識別仿真[J]. 張珊,朱宇鵬.  計算機(jī)仿真. 2018(05)
[5]海量激光遙感圖像邊緣的銳化[J]. 桂金瑤,查長軍.  科技通報. 2018(01)
[6]基于三維視角的高密度景觀規(guī)劃設(shè)計[J]. 楊維.  現(xiàn)代電子技術(shù). 2018(03)
[7]基于SFS方法的三維重構(gòu)及精度分析[J]. 曹芳,朱永康.  計算機(jī)科學(xué). 2017(S1)
[8]基于非局部稀疏表示的立體圖像的超分辨率重建[J]. 周圓,王愛華,陳瑩,侯春萍.  天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版). 2017(04)
[9]基于框架域的隨機(jī)游走全色銳化方法[J]. 王敬凱,楊小遠(yuǎn).  北京航空航天大學(xué)學(xué)報. 2017(04)



本文編號：3038915