检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于协同分割的高分辨率遥感图像变化检测

南京大学学报（自然科学版） 2015年第5期51卷 1039-1048页

作者：袁敏肖鹏峰冯学智张学良胡永月江苏省地理信息技术重点实验室南京大学南京210023 卫星测绘技术与应用国家测绘地理信息局重点实验室南京大学南京210023 南京大学地理信息科学系南京210023

针对面向对象变化检测存在的多时相对象边界不一致的难题,基于计算机视觉领域的多视图像协同分割思想,提出一种面向多时相高分辨率遥感图像变化检测的协同分割方法.首先对多时相遥感图像进行协同处理,利用多时相信息发现变化特征,以光... 详细信息

针对面向对象变化检测存在的多时相对象边界不一致的难题,基于计算机视觉领域的多视图像协同分割思想,提出一种面向多时相高分辨率遥感图像变化检测的协同分割方法.首先对多时相遥感图像进行协同处理,利用多时相信息发现变化特征,以光谱变化为指标,获得变化强度图,进而在变化强度图的引导下,结合各时相的图像自身特征进行分割,通过能量函数的构建和优化,直接生成边界准确、空间对应的多时相变化对象.利用两个时相的高分辨率航空图像进行实验表明,该方法可以较完整准确地分割出变化对象,通过建立其空间对应关系,能清晰地表达对象的变化过程,为高分辨率遥感图像面向对象变化检测提供了新思路.

关键词：高分辨率遥感图像多时相图像变化检测协同分割最小割/最大流

基于机器人视觉图像结构特征学习的超分辨率算法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器人视觉图像结构特征学习的超分辨率算法研究

作者：万永静武汉工程大学

学位级别：硕士

机器人视觉系统是模拟人眼的视觉系统,采集各种场景的图像信息,在实际应用上起着关键性的作用。由于机器人视觉系统在获取图像的过程中,受到环境噪声、光照和图像存储的影响,导致大部分图像的分辨率低,图像的质量较差。机器人视觉系统... 详细信息

机器人视觉系统是模拟人眼的视觉系统,采集各种场景的图像信息,在实际应用上起着关键性的作用。由于机器人视觉系统在获取图像的过程中,受到环境噪声、光照和图像存储的影响,导致大部分图像的分辨率低,图像的质量较差。机器人视觉系统获取的低质量低分辨率图像已不能满足机器人图像应用的需求。机器人视觉系统采集的各种场景的低质量低分辨率图像的问题,已成为机器人视觉图像实际应用的瓶颈。通过对图像处理方法中的图像分割和重建的研究,针对机器人的实际应用,对机器人视觉系统的图像分割和重建进行了研究,并提出了相应的改进方法,提高图像的质量。在机器人低质量低分辨率的图像上,通过图像分割感知图像的区域,提取图像的结构化信息;然后使用超分辨率的算法,提升目标图像的分辨率。针对机器人系统获取图像受到噪声环境影响了图像分割的质量的问题,本文提出了一种基于低秩恢复的鲁棒性图像分割算法。该算法根据特定的方法对图像进行重叠分块,在图像块的基础上,使用低秩空间求解,得到特征图像。通过最小割/最大流的分割方法对特征图像进行分割,得到目标图像,即区域结构特征。在伯克利的数据集上的仿真实验结果表明:相比伯克利分割方法和基于图割的分割方法,该算法在对噪声的鲁棒性具有一定的优势,在主客观上均具有较好的分割效果,提高了图像分割质量。针对机器人视觉系统获取图像分辨率低的问题,本文提出了一种基于局部约束低秩表示的人脸超分辨率重建方法。该算法通过低秩表达将训练样本的字典原子按照字典的不同特征进行分类,使得选择的字典原子属于同一人脸样本的子空间;通过局部约束选择最近邻的字典原子。由于该算法的字典原子的选择机制,充分利用了样本的结构信息。在数据集的仿真实验结果表明,本方法在主观和客观上均优于基于稀疏表达的方法和基于局部约束的方法,证明了本方法的有效性。

关键词：机器人视觉图像分割超分辨率重建低秩恢复最小割/最大流

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于超像素协同分割的遥感影像变化检测方法

基于超像素协同分割的遥感影像变化检测方法

作者：孙扬北京建筑大学

学位级别：硕士

遥感技术领域的变化检测是利用同一地表区域的多时相遥感影像为数据源,通过图像处理系统对多时相影像分析识别,提取地表变化区域的技术。传统的变化检测方法分为两类:基于像元和基于对象的变化检测,然而这两种方法都存在一定的局限性。... 详细信息

遥感技术领域的变化检测是利用同一地表区域的多时相遥感影像为数据源,通过图像处理系统对多时相影像分析识别,提取地表变化区域的技术。传统的变化检测方法分为两类:基于像元和基于对象的变化检测,然而这两种方法都存在一定的局限性。协同分割的概念最早是在计算机视觉领域出现的,其目的是为了快速准确的从一组图像中提取出共同包含的感兴趣目标。而将协同分割用于变化检测能够有效的克服椒盐现象,生成边界一致的多时相变化对象,与基于对象的检测方法相比,能够生成边界准确一致、空间对应的多时相变化对象。协同分割不仅考虑光谱和纹理等图像信息,也挖掘了像素之间的空间邻域信息。但是协同分割变化检测步骤中的最小割/最大流算法,将每一个像素视为网络流图中一个节点,导致计算次数与图中节点和边的数量直接相关,对于大范围的实验区来说运算量大,消耗时间过长。针对这一缺点将超像素分割方法引入协同分割中,采用Slic(Simple Linear Iterative Cluster)的超像素分割方法,利用像素之间特征的相似性将像素分组。随后将两时相的超像素分割,融合形成一个新超像素分割。最后将每个超像素块视为一个基本处理单元进行协同分割变化检测,以此减少最小割/最大流构建的网络流图中节点的数量,可以直接获得大范围变化检测的结果。研究以中国江西省南昌县国产高分一号影像以及美国密西西比州杰克逊市的Landsat TM影像为例进行试验,所得到的变化检测结果的总体精度均在0.80以上,而计算时间从超过24小时提升至最慢不超过5.5小时。实验结果表明,针对超像素协同分割变化检测,影像空间分辨率和超像素分割步长均会对检测结果产生影响。影像空间分辨率越高对该算法适应性越强,分割步长越短变化检测效果越好。通过多组实验得知,步长设定在9较为适合,既保障结果的精度又能提高算法处理速度。本文的创新点包括:(1)将图像处理中的超像素分割思想引入到协同分割变化检测中,形成一种新的协同分割变化检测方法。在原有的算法上加以改进,不仅减少了图像中像素的数量,也改变了网络流图中节点之间邻域关系的建立方式,从算法的根本上提高了协同分割算法的运行效率,扩大了处理图像的数据量。(2)算法引入了超像素分割后,形成的每一个超像素对象可挖掘的信息大大增加,进一步对协同分割变化检测中的能量函数进行拓展,能够加入更多的特征进一步提升协同分割变化检测算法的准确性。

关键词：变化检测协同分割超像素分割最小割/最大流高分一号

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于协同分割的遥感图像变化检测

基于协同分割的遥感图像变化检测

作者：谢振雷北京建筑大学

学位级别：硕士

地表覆盖是指地球表面各种物质类型及其自然属性与特征的综合体。航空航天技术的发展,实现了覆盖全球的卫星对地观测。人们可以使用遥感卫星数据来获取大面积甚至全球的地表覆盖信息,及时准确的掌握地表覆盖类型的分布及其变化情况。地... 详细信息

地表覆盖是指地球表面各种物质类型及其自然属性与特征的综合体。航空航天技术的发展,实现了覆盖全球的卫星对地观测。人们可以使用遥感卫星数据来获取大面积甚至全球的地表覆盖信息,及时准确的掌握地表覆盖类型的分布及其变化情况。地表覆盖遥感产品的研制成功,极大地方便了人们在气候变化研究、生态环境监测和可持续发展规划等领域对地表覆盖信息的应用。为了满足人们对地表覆盖信息使用的现势性要求,学者们提出了多种变化检测方法以从不同时相的遥感图像中提取出变化信息来完成对地表覆盖信息的更新。变化检测方法的核心在于如何发现变化,测定变化范围及变化属性。传统的变化检测方法以图像像元作为基本的处理单位,利用像元的光谱特征来构建特征值,将阈值作为判断变化与非变化的标准,在这种情况下,即使同时使用多个特征值组合进行判断,也容易造成错分误差或者漏分误差,影响变化检测的精度。面向对象的变化检测方法考虑了图像的空间信息,将多个像元组成的同质对象作为变化检测的基本单位。如何确定不同地类的最佳分割尺度,如何确定不同时相的图像对象的空间对应性是变化检测开始前需要解决的问题。面向对象的分割方法是“先分割,后检测”的模式,其对变化区域的判断仍然主要依靠阈值来进行。阈值选择的准确性是变化检测精度的决定性因素。计算机视觉中的协同分割算法,能够从同一场景的多视图像中分割出相同或近似的目标。该算法由于利用了图像之间的联系,因此能够挖掘出更多的图像信息。如果把土地覆盖的变化过程看作自然界的运动,则土地覆盖的变化检测问题就可以看作运动图像的协同分割问题。考虑到基于像元和面向对象的变化检测方法将阈值作为判断变化/非变化的标准,本文根据协同分割的思想,构建了适用于变化检测的能量函数。能量函数中包含的变化特征项以两时相图像共同的变化信息为基础,将基于像元和面向对象方法中的阈值条件作为判断是否发生变化的先验知识。同时为了更好的利用图像的空间信息,能量函数中包含的图像特征项能够反映邻域内像元之间的相似性。本文利用基于图割的方法来解决能量函数的最小化问题,将图像映射为图,将能量函数中的各项作为图中不同类的边的权重,使用最小割/最大流方法求得图的最小割,从不同时相的图像中分割出空间对应的变化图斑。本文创新点主要有:(1)根据变化检测方法与计算机视觉中协同分割方法的共同特点,将变化信息特征值的阈值条件作为能量函数中变化特征项的先验知识,改变了基于像元和面向对象的变化检测方法中以阈值条件作为变化和非变化的唯一标准。(2)能量函数中的图像特征项的构建,综合考虑邻域内像元对的光谱和纹理特征,通过对不同时相的图像特征项赋予权重值,构建综合图像特征项。根据不同图像特征参与的分割结果,不仅能够提取出变化位置和区域,也能够对几何属性进行判断。

关键词：变化检测协同分割能量函数最小割/最大流精度评价

基于图割和水平集的肾磁共振图像分割方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图割和水平集的肾磁共振图像分割方法研究

作者：高莹大连海事大学

学位级别：硕士

近年来,肾移植已成为终末期肾病病人的一种选择,其生存期及生存质量均高于透析治疗,使用MRI可以鉴别移植肾功能不全的各种非手术原因。由于邻近器官灰度级相似,部分容积效应和注射造影剂影响,肾磁共振图像的分割难度较大。不同MRI扫描... 详细信息

近年来,肾移植已成为终末期肾病病人的一种选择,其生存期及生存质量均高于透析治疗,使用MRI可以鉴别移植肾功能不全的各种非手术原因。由于邻近器官灰度级相似,部分容积效应和注射造影剂影响,肾磁共振图像的分割难度较大。不同MRI扫描仪生成为图像具有不同的图像特征,肾脏形状和位置的变化也使肾磁共振图像的识别和分割更加困难。本文阐述了肾磁共振图像分割的研究背景及研究意义,总结了近年来图割和水平集方法的国内外研究现状,概述了图像分割的相关基础理论知识。通过深入研究图割和水平集方法,给出一个结合图割和水平集的肾磁共振图像分割方法。利用改进的最小割／最大流算法对目标区域的非凹形边界进行预分割,得到该区域的近似真实边界轮廓。将全局项和相邻元素信息加入到水平集的能量函数中,以图割所得轮廓作为改进变分水平集模型的初始轮廓,利用水平集模型对目标区域的凹口处边界继续分割,经过水平集模型有限次的迭代,使轮廓线最终快速、精确地收敛到目标边界,实现目标的准确分割。实验结果表明,本文给出的方法可以有效分割灰度不均匀的图像,减少迭代次数和运行时间,并且具有较强的鲁棒性。本文提出的分割方法对分辨率不高、对比度低、灰度不均匀的肾磁共振图像有较好的分割效果。该方法能够帮助专家正确分析肿瘤的强化特征,并在肾癌的检出和定性分析方面起到重要作用。本文的研究结果为相关医院的肾癌研究提供理论依据。

关键词：图论最小割/最大流水平集全局项相邻元素信息

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

医学图像序列分割方法研究

医学图像序列分割方法研究

作者：刘兆国防科学技术大学

学位级别：硕士

随着医学影像的发展,医学图像处理技术越来越重要。医学图像分割作为医学图像处理和分析中的关键技术,在医学研究和临床应用中起作重要的作用。图像分割的质量将直接影响着对图像的后续处理,图像分割被视为图像处理的瓶颈。本文主要针... 详细信息

随着医学影像的发展,医学图像处理技术越来越重要。医学图像分割作为医学图像处理和分析中的关键技术,在医学研究和临床应用中起作重要的作用。图像分割的质量将直接影响着对图像的后续处理,图像分割被视为图像处理的瓶颈。本文主要针对医学图像序列的分割进行重点研究,对于图像序列的分割一般采用两种方式:一种是直接在三维数据空间中分割,提取出感兴趣对象包含的体素;另一种是对每张二维切片独立进行分割,再将每张切片中提取的对象组合起来。本文首先研究了医学图像分割中一些有代表性的方法,分析了各类方法的特点及存在的问题;其次,针对瞳孔图像序列存在的问题,本文选取基于梯度矢量流的主动轮廓模型作为基本模型,将其应用于图像序列的分割,取得了较好的效果;对于骨骼等CT图像序列,将其作为三维数据,使用基于图论的最小割/最大流的方法对三维数据进行直接分割,实验结果表明该方法实时性较高,对于CT图像序列有较好的分割效果。最后,在对基于图论的权值聚类方法进行深入分析研究的基础上,结合分水岭算法,针对图像序列的分割问题,提出了一种快速分割方法。该方法利用分水岭方法的初始分割速度快,运算复杂度低的优点,将分水岭方法视为权值聚类方法的预处理过程,解决了权值聚类方法处理较大图像速度变慢的问题。同时,该方法利用权值聚类方法的统计特性,得出各相邻切片层间的区域相关性,极大地提高了图像序列分割的准确性。

关键词：医学图像处理最小割/最大流图切分图像序列主动轮廓模型权值聚类算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于国产卫星影像的协同分割变化检测

北京建筑大学学报 2018年第4期34卷 21-27页

作者：孙扬朱凌修田雨北京建筑大学测绘与城市空间信息学院北京100044

以中国江西省南昌市南昌县2015年和2017年的高分一号16 m分辨率遥感影像为例,进行协同分割变化检测.协同分割变化检测算法引入了计算机视觉中的多图像协同分割思想,利用变化强度图作为引导,对图像进行目标和背景的分割.算法通过建立网... 详细信息

以中国江西省南昌市南昌县2015年和2017年的高分一号16 m分辨率遥感影像为例,进行协同分割变化检测.协同分割变化检测算法引入了计算机视觉中的多图像协同分割思想,利用变化强度图作为引导,对图像进行目标和背景的分割.算法通过建立网络流图,将图像分割的问题转化为能量函数最小化问题.该算法利用基于增广路径的Dinic算法将能量函数最小化,在求得图像的最小割的同时得到最终的分割结果.分割结果的总体精度约为0. 834,kappa系数约为0. 663,可见面向高分一号遥感影像,协同分割的变化检测方法可以较为准确地提取出变化对象,实现大范围的变化检测.

关键词：变化检测协同分割最小割/最大流高分一号