高分辨率遥感图像中机场跑道快速检测方法

在分析机场跑道结构特征的基础上，提出了一种从高分辨率遥感图像中检测机场跑道的方法．具体介绍了嵌入置信度的边缘检测算法和基于线基元的直线提取方法，前者增加了检测结果的可靠性，后者加快了跑道检测速度．最后的实验结果表明本文算法是快速、稳健的．     

基于边界跟踪SAR图像机场跑道检测方法

本文针对机场跑道成像的线状结构和高灰度值的特征,提出了一种从SAR图像中检测机场跑道的方法.具体介绍了用跑道特征检测算子检测跑道边缘和基于边界跟踪的直线提取方法.实验结果表明,该算法有效地克服在边缘检测和直线提取过程中的噪声影响,提高了检测的速度和准确性.     

航拍图像中机场跑道的快速检测

提出一种航拍机场跑道的快速检测方法.首先,采用自适应阈值方法对图像进行边缘检测,提取图像中主要物体的轮廓后利用线段的长度和图像的梯度相位信息剔除短线条和曲线.然后利用Hough变换进行直线检测,搜索出平行直线对作为机场跑道的候选区域.最后利用机场跑道特征对候选区域进行验证,剔除虚假目标.对Internet上下载的大量机场航拍图像的实验表明,该方法能够快速准确地检测出机场跑道,且具有较好的鲁棒性,能够消除背景中诸如云朵等物体的干扰.     

一种SAR图像直线提取的线基元组织方式

合成孔径雷达(SAR)图像直线提取中,线基元的组织是一个重要的步骤。该文根据直线在SAR图像经过边缘检测后所体现出的特点,将线基元用只包含水平或垂直两个方向的连续边缘像素的集合来表示。方法是首先提取原始线基元,然后提取出线结构,接着将线结构组织成线段,最后将线段连接提取出直线。原始的线基元看作两个四邻域连接的或者单个边缘像素的集合,再将这些原始线基元按照水平或垂直的方向进行合并、组织,并形成一些短的或长的线段。提取线结构采用一种先搜索水平(垂直)方向再搜索其他方向的八邻域搜索的方法,利用了线基元空间邻域关系,并用最小二乘方法拟合直线。     

一种基于置信度的边缘检测方法

该文针对传统的边缘检测方法不能同时利用像素梯度的相位信息和幅度信息的缺点,提出一种基于边缘置信度的边缘检测算法.首先,由中心象素的梯度方向确定标准模板,然后将归一化的数据矢量和标准模板的相关系数的绝对值定义为边缘置信度.在确定像素局部极值点的时候利用了非极大抑制的方法;在确定边缘点的时候用了磁滞阈值处理.在两种处理过程中,将归一化的梯度幅度和边缘置信度都作为判别依据,既增加了对弱边缘的检测能力,同时,还能很好的抑制噪声的影响.     

一种快速的人工场景图像消失点检测方法

人工场景中包含了大量的空间平行线以及垂直边,这些空间平行线映射到图像中相交产生的交点即消失点。消失点检测对摄像机标定、三维场景重建等都有着重要的意义。传统的消失点检测算法往往基于二维霍夫参数空间,复杂度高、效率低。因此,提出一种新的方法,先检测图像中较长的边界线,并将检测到的线段进行筛选、分组;然后利用消失点与焦距之间的制约关系,确定三向消失点的位置以及焦距的大小。该方法将传统的二维霍夫参数空间转换为二级一维霍夫参数空间。实验表明,这种方法运算复杂度低、运行时间短。在室外场景图像中,鲁棒性好,且保持较高的准确率。     

基于边缘检测的多文本页图像分割方法

图像分割是图像处理中最困难的问题之一.针对光学字符识别(optical character recognition,OCR)系统的要求,提出了一种基于边缘检测的多文本页图像分割方法.先检测出由图像中边缘点构成的边缘直线,然后寻找出图像中每个文本页的4条边缘直线所构成的边界矩形,从而可将每个文本页准确分割出来.实验表明,该方法具有较快的速度和很高的正确率,是一种有效的方法.     

基于遗传算法的SAR图像道路网检测方法

提出了一种基于遗传算法的SAR图像道路网检测算法.该算法以道路在SAR图像中呈黑色直线状结构为基本出发点,首先检测线特征点以获取潜在道路点;接着利用基于每个连通区域上的Radon变换提取线基元;然后从图像上最长的线基元出发,以其为种子基元,在其周围确定一个搜索区域,用遗传算法选择与种子基元共线的线基元进行连接,并更新种子基元,直到完成所有的连接,得到候选道路段.为了使检测道路更准确,利用蛇模型调整道路段的位置,然后用道路的特征进行鉴别.最后检测道路的交叉点,完成整个道路网的检测.机载SAR图像的实验结果及定量分析均证明了该算法的有效性.     

高分辨率遥感图像中机场目标的并行快速提取

针对高分辨遥感图像机场目标检测存在漏检和误检,鲁棒性低,且处理多幅图片速度慢的特点,提出一种基于批量化并行处理模式的遥感图像机场目标提取方法。利用模糊增强方法对图像进行预处理,利用基于像素梯度和方差信息的模糊边缘检测算法对图像进行边缘检测,从中筛选出长直线,利用Hough变换提取其中平行的直线作为机场跑道特征。在得到的特征点中选取种子点进行区域生长,从而提取出完整的机场目标。利用MPI多进程并行处理的编程方法来实现对多幅图片中机场目标的批量化并行快速提取。实验结果表明该算法具有很好的鲁棒性,能准确地检测并提取出完整的机场目标,能够大幅度提高程序处理多幅图片的速度。     

一种基于边缘图像的快速物体检测方法

为提高物体检测速度,提出一种利用边缘快速检测物体的方法。首先,求取图像中每一个像素的边缘模值和方向,依据模值定位边缘位置,依据位置和方向进行边缘分组;然后,通过计算边缘组的相似度来对候选的包围盒进行投票;最后,统计多尺度滑动窗口上各候选包围盒的投票得分,依据包围盒得分对包围盒进行过滤,再依据包围盒重合度对包围盒进行合并,并依据合并的包围盒数量判断其是否为物体,最终得到图像中各物体的包围盒。实验结果表明,相对于目前最新的物体检测算法相比,该方法的运算效率最高,且检索率和精确度高。     

高分辨率遥感影像的形态学边缘检测算法

结合高空间分辨率遥感影像的特点,利用数学形态学方法,选取具有不同尺度和包含全部方向的结构元素,设计一种多尺度全方位形态学边缘检测算法,并采用峰值信噪比方法代替均值以自适应地确定尺度权重.实验结果表明:与传统Canny算子和结构元素尺度形状单一的形态学边缘检测算法相比,本算法解决了噪声抑制和精细边缘提取的矛盾,检测出的图像边缘清晰,而且抗噪性能强.边缘检测结果可用于遥感影像地物几何特征和纹理特征提取.     

智能交通监视系统中运动目标提取算法研究

针对基于视觉的交通监视系统中运动目标提取存在的种种问题,提出了一种基于边缘的背景滤除算法。该算法简单且容易理解。实践证明,用该算法能够有效地滤除背景信息,分离出运动目标。     

基于Harris-Laplace特征区域的遥感图像水印算法

针对现有遥感影像数字水印算法多为全局水印算法,抵抗旋转、行列剪切、水平镜像以及联合几何攻击能力较差,提出一种基于Harris-Laplace特征区域的局部化遥感影像水印算法。算法依据密钥生成一个随机序列,对其实施二值化,并选取一段作为待嵌入的数字水印;在宿主遥感影像中提取Harris-Laplace特征点,并依据其确定水印嵌入特征区域;最后,根据待嵌入的水印信息,将所选特征区域进行圆环划分,利用奇偶量化方法将水印嵌入其中。实验证明该算法对JEPG压缩、噪声及滤波等常规信号处理具有较好鲁棒性的同时,能够更好地抵抗旋转、缩放、平移及其联合等几何攻击。     

一种基于频域谐波能量和模糊理论的遥感图像边缘特征检测方法

从传统的梯度算子的边缘检测算法对高分辨率遥感图像无法有效检测出发,探讨一种基于傅里叶变换和模糊推理的高分辨率遥感图像边缘特征检测的方法。该方法首先提取前n次谐波能量,根据直流中心频谱图像良好的噪声抑制特性,分析高频分量对图像边缘特征的贡献。然后采用巴特沃斯低通滤波器获取低频分量,采用模糊推理的方法提取低频分量中的边缘特征,将这两部分的边缘特征叠加,得到最终的边缘检测图像。仿真实验表明,所提出的算法检测出的图像边缘特征效果显著,抗噪能力强。     

判定由线性不等式围成的凸空间是否为空的一个快速算法

本文对由一组线性不等式围成的凸空间进行了深入的研究，对于空间中的一个固定的向量，我们讨论了这一向量与这组线性不等式相应超平面和这一向量的关系，给出了三个定理。并以此为基础，提出了一个判定由一组线性不等式围成的凸空间是否为空的一个快速算法称为向量定位算法。根据这一算法可以人出线性规划中求解初始可行解的算法以及给出机器人路径规划中的碰撞检测算法。