国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于MeanShift分割的遙感圖像中水上橋梁識別方法

      文檔序號:6497145閱讀:391來源:國知局
      專利名稱:基于Mean Shift分割的遙感圖像中水上橋梁識別方法
      技術(shù)領(lǐng)域
      本發(fā)明涉及一種遙感圖像識別方法,特別是一種基于Mean Shift分割的遙感圖像 中水上橋梁識別方法。
      背景技術(shù)
      文獻(xiàn)“基于知識的航空圖像中大型水上橋梁目標(biāo)識別,武漢理工大學(xué)學(xué)報,2005, Vol. 29(2),p230-233”公開了一種航空圖像中大型水上橋梁目標(biāo)識別方法,該方法針對高 空航拍圖像提出了一種基于知識的橋梁目標(biāo)識別方法。根據(jù)水域與陸地域、橋梁域之間的 強對比關(guān)系,對航空圖像進(jìn)行二值分割,將水域與其它區(qū)域分割開來,根據(jù)水域?qū)蛄哼M(jìn)行 初步定位。然后使用種子點生長法來精確地標(biāo)記出橋梁域,認(rèn)為橋梁的寬度相對于長度而 言很小,所以經(jīng)HOUGH變換處理得到的軸向直線,根據(jù)軸線上兩邊的像素點得到橋梁的寬 度。但是,因為橋梁在圖像中所占的比例比較小,背景復(fù)雜,灰度反差比較小,很難在數(shù)據(jù)驅(qū) 動下通過圖像分割,提取目標(biāo)特征進(jìn)而來判斷識別目標(biāo)。而且認(rèn)為橋梁的首要特征是存在 兩條平行的長直線,但實際拍攝中,由于傳感器的視角、取像距離的原因并非存在平行的長 直線。所以文獻(xiàn)所述方法處理遙感圖像時具有局限性,識別率較低。

      發(fā)明內(nèi)容
      為了克服現(xiàn)有的水上橋梁目標(biāo)識別方法識別率低的不足,本發(fā)明提供一種基于 Mean Shift分割的遙感圖像中水上橋梁識別方法。該方法采用Mean Shift方法,利用顏色 特性進(jìn)行圖像分割,提取河流區(qū)域,并利用相似度確定河流域。結(jié)合膨脹、腐蝕連通河流區(qū) 域,根據(jù)橋梁的特征,提取橋梁區(qū)域。通過細(xì)化得到連通的河流的骨架線,尋找與橋梁區(qū)域 的交點來找到候選橋梁,最后利用橋梁的形狀紋理特征識別橋梁,可以提高水上橋梁目標(biāo) 識別的識別率。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案一種基于Mean Shift分割的遙感圖 像中水上橋梁識別方法,其特點是包括以下步驟(a)將遙感圖像格式轉(zhuǎn)化到LUV空間,對遙感圖像進(jìn)行Mean Shift分割和區(qū)域合 并;令區(qū)域合并后聯(lián)合域中原始像素點IxJi = 1,2...,η ;聯(lián)合域中濾波后像素點 {zji = 1,2...,η;分割后遙感圖像中第i個像素標(biāo)記為Li, i = 1,2...,n。利用高斯核函數(shù)k(x)估計特征密度空間,對遙感圖像中的任一點用高斯核函數(shù) k(x)進(jìn)行漂移
      權(quán)利要求
      一種基于Mean Shift分割的遙感圖像中水上橋梁識別方法,其特征在于包括已寫步驟(a)將遙感圖像格式轉(zhuǎn)化到LUV空間,對遙感圖像進(jìn)行Mean Shift分割和區(qū)域合并;令區(qū)域合并后聯(lián)合域中原始像素點{xi}i=1,2...,n;聯(lián)合域中濾波后像素點{zi}i=1,2...,n;分割后遙感圖像中第i個像素標(biāo)記為Li,i=1,2...,n。利用高斯核函數(shù)k(x)估計特征密度空間,對遙感圖像中的任一點用高斯核函數(shù)k(x)進(jìn)行漂移 <mrow><mi>k</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><msup> <mrow><mo>(</mo><mn>2</mn><mi>&Pi;</mi><mo>)</mo> </mrow> <mrow><mo>-</mo><mi>d</mi><mo>/</mo><mn>2</mn> </mrow></msup><mi>exp</mi><mrow> <mo>(</mo> <mo>-</mo> <mfrac><mn>1</mn><mn>2</mn> </mfrac> <msup><mrow> <mo>|</mo> <mo>|</mo> <mi>x</mi> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow>利用k(x)得出具有收斂性的遞推公式 <mrow><msub> <mi>y</mi> <mrow><mi>i</mi><mo>+</mo><mn>1</mn> </mrow></msub><mo>=</mo><mfrac> <mrow><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><msub> <mi>x</mi> <mi>i</mi></msub><mi>g</mi><mrow> <mo>(</mo> <msup><mrow> <mo>|</mo> <mo>|</mo> <mfrac><msub> <mrow><mi>x</mi><mo>-</mo><mi>x</mi> </mrow> <mi>i</mi></msub><mi>h</mi> </mfrac> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow> </mrow> <mrow><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><mi>g</mi><mrow> <mo>(</mo> <msup><mrow> <mo>|</mo> <mo>|</mo> <mfrac><msub> <mrow><mi>x</mi><mo>-</mo><mi>x</mi> </mrow> <mi>i</mi></msub><mi>h</mi> </mfrac> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow> </mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo></mrow> </mrow>和Mean Shift向量 <mrow><msub> <mi>m</mi> <mi>h</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><msub> <mi>x</mi> <mi>i</mi></msub><mi>g</mi><mrow> <mo>(</mo> <msup><mrow> <mo>|</mo> <mo>|</mo> <mfrac><msub> <mrow><mi>x</mi><mo>-</mo><mi>x</mi> </mrow> <mi>i</mi></msub><mi>h</mi> </mfrac> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow> </mrow> <mrow><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><mi>g</mi><mrow> <mo>(</mo> <msup><mrow> <mo>|</mo> <mo>|</mo> <mfrac><msub> <mrow><mi>x</mi><mo>-</mo><mi>x</mi> </mrow> <mi>i</mi></msub><mi>h</mi> </mfrac> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow> </mrow></mfrac><mo>-</mo><mi>x</mi><mo>=</mo><msub> <mi>y</mi> <mrow><mi>i</mi><mo>+</mo><mn>1</mn> </mrow></msub><mo>-</mo><mi>y</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo></mrow> </mrow>進(jìn)行迭代卷積,直到滿足停止準(zhǔn)則,即移動距離小于設(shè)定數(shù)||mh(x) x||<ε或者漂移次數(shù)達(dá)到最大值;式中,h是帶寬參數(shù),h=(hs,hv),hs是空域顏色特征帶寬,hv是空間帶寬,{cj}是核函數(shù)k(x)的剖面函數(shù)的負(fù)導(dǎo)數(shù);對遙感圖像進(jìn)行Mean Shift濾波并把所有關(guān)于收斂點的信息都保存在zi中;在聯(lián)合域中生成聚類{ci}j=1,...,m,把所有在空域距離小于hv并且在色度域距離小于hs的zi組合在一起;對于任意i=1,2...,n,令Li={j|zi∈cj},設(shè)定最小區(qū)域M,剔除小于M的空間區(qū)域;(b)計算所有區(qū)域之間的相似值,各區(qū)域的向量作內(nèi)積進(jìn)行相似性判斷;或者,將各區(qū)域的三分量轉(zhuǎn)化為灰度值,求各區(qū)域局部區(qū)域方差,進(jìn)行相似性判斷;并將最小局部區(qū)域方差,作為第一塊河流;或者,計算剩余各區(qū)域與首河流區(qū)域之間的均方差判斷相似性;選取滿足以上相似性標(biāo)準(zhǔn)的區(qū)域作為河流區(qū)域;(c)對遙感圖像進(jìn)行二值化處理,利用連通區(qū)域標(biāo)記法標(biāo)記潛在河流區(qū)域,并去除噪聲河流區(qū)域;對河流區(qū)域執(zhí)行膨脹操作,連通河流;然后用最大連通水域與原未連通二值化河流區(qū)域做差,利用兩個河流區(qū)域之間是橋梁域的特點,提取橋梁區(qū)域,并細(xì)化提取河流中心線;(d)尋找河流域中心線與未連通河流圖像的交點,并且落在橋梁區(qū)域的點,提取候選橋梁;提取橋梁輪廓線,利用形狀紋理特征來識別橋梁。
      2.根據(jù)權(quán)利要求1所述的方法,其特征在于所述帶寬參數(shù)h=(hs,hv)中,空域顏色 特征帶寬hs最佳值是9,空間帶寬hv最佳值是8. 5。
      3.根據(jù)權(quán)利要求1所述的方法,其特征在于所述最小區(qū)域M是500。
      全文摘要
      本發(fā)明公開了一種基于Mean Shift分割的遙感圖像中水上橋梁識別方法,用于解決現(xiàn)有的水上橋梁目標(biāo)識別方法識別率低的技術(shù)問題。技術(shù)方案是采用Mean Shift方法,利用顏色特性進(jìn)行圖像分割,提取河流區(qū)域,并利用相似度確定河流域。結(jié)合膨脹、腐蝕連通河流區(qū)域,根據(jù)橋梁的特征,提取橋梁區(qū)域。通過細(xì)化得到連通的河流的骨架線,尋找與橋梁區(qū)域的交點來找到候選橋梁,最后利用橋梁的形狀紋理特征識別橋梁,提高了水上橋梁目標(biāo)識別的識別率。
      文檔編號G06K9/62GK101976347SQ20101051714
      公開日2011年2月16日 申請日期2010年10月21日 優(yōu)先權(quán)日2010年10月21日
      發(fā)明者孫瑾秋, 張艷寧, 李映, 趙靜, 郭哲, 馬瑜, 魏巍 申請人:西北工業(yè)大學(xué)
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1