论文部分内容阅读
近几年,植被护坡的方法在边坡治理中被广泛应用,该方法兼具了边坡绿化和边坡加固的双重作用。本论文选题于国家自然基金项目“基于根际微结构动态模型分析的植被固坡作用机理研究”。该基金项目,运用阵列分布内窥式图像手段获取护坡植物生长过程中的根形态和土体结构、颗粒组成、土壤裂隙等根际物理因子的图像信息。然后对采集的图像信息进行分析和处理,并建立植被根际微结构动态分析模型,通过对模型进行分析,探索植被固坡机理以实现植被固坡作用的定量分析。本论文利用图像处理技术对与根系形态密切相关的参数根系边缘进行了检测处理,对根系模型的建立,基金项目的实施和完成具有很大帮助。边缘作为图像的重要特征,是图像像素灰度不连续的表现,也即图像像素中奇异点的集合。在图像处理中,边缘检测具有十分重要的作用。因为边缘中通常包含着很多有价值的目标边界信息,这些边界信息构成了图像的轮廓特征。根系图像的轮廓正是项目实施过程中需要进行检测和提取的边缘特征。小波变换是在傅里叶变换基础上发展而来的数学分支,在时域和频域均具有良好的局部化特性,可通过伸缩和平移等运算完成对信号的多尺度细化分析,特别是在信号的奇异性检测方面具有很大的优势。因而,本文采用小波变换来对采集到的护坡植被根系图像进行边缘检测处理。本文首先采用了传统的微分边缘检测算子对护坡植被根系图像进行了边缘检测。检测结果表明微分算子对噪声比较敏感,而且在单一的检测尺度下并不能很好的检测出根系边缘的细节信息。之后,根据小波函数的多分辨率特性,选用高斯函数的偏导数作为小波函数,利用模极大值的边缘检测方法对根系图像进行了多尺度下的边缘检测。检测结果表明多尺度下的边缘检测可以更好的抑制噪声的影响,并且在图像边缘的细节信息和边缘的完整性都有很好的检测效果。文章最后选用了三次B样条小波函数对护坡植被的根系图像进行了多尺度下的边缘检测。先根据Canny的边缘检测准则证明了三次B样条小波的近似最优性,然后通过计算求出了三次B样条小波的高通和低通滤波器系数。B样条小波的检测结果表明了其对噪声也有很好的抑制作用,并且在边缘的细节检测定位方面具有难以比拟的优势。随后通过小波变换的提升算法对B样条算法进行了改进,给出了B样条小波的提升算法,提升算法可以达到同样的检测效果,但是简化了算法,使算法的计算速度得到了提高,在根系多图像边缘检测中有很大的优越性。