PDE图像处理方法在遥感图像目标识别中的应用研究

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:tanxiaoming
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在过去的二十年中,基于偏微分方程(Partial Differential Equation,PDE)的图像处理方法是图像处理领域所取得的最为重要的成果之一。对于发展遥感图像的目标自动识别技术,运用基于偏微分方程的图像处理方法来解决其中长期存在的一些难点问题将是一个有益的尝试。本文主要针对基于偏微分方程的图像处理方法在遥感图像目标识别涉及的图像预处理、分割以及基于形状先验信息的目标识别中的应用进行了研究。 一方面,本文对一些经典的基于偏微分方程的图像处理方法进行了回顾,并通过实验对它们在遥感图像处理中的应用进行了分析,包括Perona和Malik所提出的P-M各项异性扩散模型、Mumford-Shah模型、CV模型以及建立在CV模型基础上的引入形状轮廓先验信息的PDE分割模型。 另一方面,在目前的基于偏微分方程的图像处理方法的基础上,对这些方法进行进一步的改进、发展。首先,针对CV模型存在的一些严重的缺点:水平集函数的零水平集进化速度缓慢且需要重新初始化,无法实现多区域分割,本文在CV模型的基础上,通过改进分割水平集函数的初始化,引入区域分割控制条件实现了一个基于单水平集的图像多区域分割方法,实验分析表明该方法对包括遥感图像在内的多类图像取得良好的分割结果,能够适应包含不同区域类别数的图像,同时较准确的保持了区域的边界:其次,在Chan等人提出的引入形状轮廓先验信息PDE图像分割模型的基础上,本文通过引入水平集相似性度量分析比较区域能量项收敛结果与形状轮廓先验信息能量项收敛结果,建立起一个引入形状轮廓先验信息的PDE图像目标识别模型。同时,在该目标识别模型的基础上,通过引入多个与形状轮廓先验信息相关的水平集函数,将其扩展到多目标识别的情况。实验表明该模型能够较准确的进行图像目标识别。
其他文献
与传统天线相比,微带天线具有低轮廓,重量轻,易于共形,易于集成等许多优势。这使它在卫星导航和卫星通信方面获得了普遍应用。在要求低剖面辐射的情况下,微带天线总是被优先
Ad Hoc网络是一种没有基础设施支持的移动网络,网络中的节点均由动态移动的主机构成。每个主机可以任意移动,可以通过多跳无线传播技术与其它移动主机进行通信。同时,每个移动主
随着计算机技术和卫星遥感技术的发展,卫星遥感图像在国民经济各个领域发挥着越来越重要的作用,从而使得卫星遥感图像的处理技术更受到人们的重视。而目标识别作为遥感图像处理
长期技术演进(Long term evolution, LTE)作为新一代无线和个人移动通信系统的可选方案,采用了许多新技术,如正交频分复用和自适应调制编码技术等。正交频分复用具有抗多径时
近年来,伴随科学技术的快速进步,计算机通信网络逐渐向更大的规模发展,网络的总体结构也趋于复杂化,骨干计算机通信网络中的异常行为也变的日趋复杂。为了更好提高骨干通信网
随着最近几十年信息与通信技术的高速发展,网络的规模日益庞大,网络结构也越来越复杂,接入网络的用户越来越多。网络服务提供商为了更好的建设网络、规划网络、维护网络、提
多描述编码(MDC,Multiple Description Coding)是针对差错信道上的信息传输丢包和误码问题而提出来的一种解决方案,它可以在实现数据压缩的同时有效提高数据传输的鲁棒性,从而保
现代数据采集技术发展迅速,各种基于ISA、PCI等总线的数据采集系统已经相当成熟,但这些采集系统存在安装麻烦、受计算机插槽数量、地址、中断资源的限制、可扩展性差等缺陷。US
随着嵌入式系统技术的不断发展,智能仪器的发展日趋成熟和完善。通过将32位的ARM处理器取代传统的8位的单片机作为智能仪器系统的MPU,并结合嵌入式操作系统技术,有助于进一步提
正交频分复用(Orthogonal Frequency-division Multiplexing,OFDM)是一种将高速数据流转换为同时在多个正交等间隔的载波上发送数据的一种通讯方式。相对于传统的单载波调制,