基于NSCT的活动轮廓遥感图像分割方法.pdf
宜然****找我
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于NSCT的活动轮廓遥感图像分割方法.pdf
本发明公开了一种基于NSCT的活动轮廓遥感图像分割方法,首先通过非下采样轮廓波变换进行待分割图像的多分辨率表示;其次建立多分辨率系数的概率模型;最后利用基于区域的活动轮廓模型进行多分辨率系数(奇异点信息)的整合操作以达到图像分割的目的。实验结果表明,本发明的方法可以很好地进行遥感图像的分割,既可以保证分割模型的全局性,又可以分割出遥感图像的具体细节信息。
基于双活动轮廓模型的图像分割方法.pdf
本发明公开一种基于双活动轮廓模型的图像分割方法,第一、对于基于区域的双活动轮廓模型,本发明在颜色奖励策略的基础上,构造目标像素间的一致性信息,且仅对目标区域实施奖励策略,避免了能量泛函陷入局部极小值;第二、对于基于边缘的双活动轮廓模型,本发明利用双演化曲线的内外部平均图像梯度值对边缘信息进行设置。此外,本发明可根据两个演化曲线的位置设置可调节的加权参数,使得轮廓曲线能够自适应地向内或向外演化。实验结果证明了本发明可以分割对比度低、结构复杂的图像,而且对于包含噪声、弱边缘和异质区域的图像也能获得很好的分割效
基于局部拟合图像的活动轮廓图像分割方法.pdf
本发明公开一种局部拟合图像的活动轮廓图像分割方法,其实施步骤主要包括根据现有活动轮廓模型提出一种新的局部平方拟合图像,用以近似原始图像的平方和突出图像中的目标区域;然后平方拟合图像和来自LIF模型中的局部拟合图像一同用于构建一种新的基于两种不同局部拟合图像的能量泛函活动轮廓图像分割算法,同时为了保证分割结果曲线的光滑性和合理的曲线长度,两种不同的正则项被引入到能量泛函中,改善分割的准确性和时效性;最后,将该分割算法引入变分水平集求解框架中,实现目标轮廓的全自动提取。本发明能够在不同图像背景和灰度均匀性情况
基于深度学习的遥感图像的分割方法.pdf
本发明属于图像处理技术领域,具体为基于深度学习的遥感图像的分割方法。本发明方法包括:选取包含若干种地物类别的遥感图像,制作图像分割标签;将大图像裁剪成若干较小的遥感图像,统计每张较小图像中各种类别比例,定义选取规则,保留部分图像,并将其定义为特定类别;利用迁移学习调取大型公开数据集的训练参数,用卷积神经网络训练制作好的分类数据集,训练得到模型参数;对测试图像的所有像素点周围选取多种测试窗口,基于多尺度对像素点进行类别分类;最后去除独立的类别噪声点,将测试结果优化。本发明实用性强,可以将大规模遥感图像快速生
基于Fisher分布的活动轮廓SAR图像分割方法.pdf
本发明公开了一种基于Fisher分布的活动轮廓SAR图像分割方法,主要在于克服现有基于Gamma分布对于SAR图像分割技术的不足,其具体实现步骤为:(1)利用Fisher分布拟合图像区域的强度统计特征,根据区域竞争模型建立基于Fisher分布的能量泛函;(2)引入水平集函数,并结合长度约束项和水平集规则项,重新表示步骤一得到的能量泛函;(3)采用Euler-Lagrange变分法最小化步骤二的能量泛函,利用对数矩估计对Fisher分布的参数进行估计,然后对偏微分方程进行数值求解,进而获得SAR图像的分割结