关键字 |
| 遥感,丽丝IV数据,近红外波段,同态滤波、分割gaussion技术。 |
我的介绍。 |
| 在遥感能量来自厄撒¢年代测量表面使用一个传感器安装在飞机或飞船的平台。能量可以反射太阳光,这样图像记录,在许多方面,类似于厄撒的观点我们¢s表面从一架飞机,尽管遥感通常使用的波长以外的人的视力范围[1]。电磁能量是由几种机制,包括电子的能级的变化,加速电荷,放射性物质的衰变,原子和分子的热运动。核反应在太阳产生各种电磁辐射,这是通过空间传播没有出现大的变化。当这个地球辐射的方法,它通过大气层到达厄撒¢年代表面。从厄撒一些向上反映¢年代表面;这种辐射,形成了照片和类似的图像的基础[2]。有不同类型的卫星数据,比如全色数据(单带),多光谱数据(10乐队)和高光谱数据(10 - 200及以上乐队)。丽丝IV数据好像一个多光谱数据与绿带等三个乐队(0.52到0.59μm)、红带(0.62到0.68μm)和近红外波段(0.77到0.86μm)和分辨率是5米/数字号码。红外红乐队只应用于图像增强与分割技术。 |
二世。相关工作 |
| 新方法使用矢量道路援助为航拍图像生成接缝mosaicking [3]。半自动三维道路提取方法在农村使用立体航拍图像。策略基于动态规划算法的道路提取问题提供一个解决方案在对象空间。提取过程开始,首先测量几种子点一对立体的图像,然后将这些转换为物体空间参考系统。提供的通常方法是有效和准确的道路中心线[4]。该方法利用道路段的属性来开发定制运营商准确地推导出公路段。自定义运营商包括定向增强形态、定向细分和变薄。这是系统地评估了算法在各种图像IKONOS,快速的鸟,CARTOSAT-2A [5]。策略累积投票技术开发评估每个路段的可靠性。最后,推断出道路特征图像投射到深度和强度测试其有效性。 Although experimental results show a good completeness and correctness, the proposed method is limited only to linear road extraction [6]. A road damage extraction method based on object-oriented change detection method using road vector data overlaid on post-earthquake image. It is complex to identify all kinds of road damages in earthquakes. For the purpose of traffic capacity analysis, focusing on roads in good condition will simplify the problem, no matter how the roads are destroyed. The whole road line is provided by road network vector of appropriate scale [7]. The common road extraction from high-resolution imagery is based on spectral information only; it is difficult to separate road features from background completely, and a thinning algorithm always results in short spurs which reduce the smoothness of the road centerline. To overcome the aforementioned shortcomings of the common existing road centerline algorithms, this letter presents a new method to extract the road centerline from high-resolution imagery based on shape features and multivariate adaptive regression splines (MARS), in which potential road segments were obtained based on shape features and spectral feature, followed by MARS to extract road centrelines. Two experiments are performed to evaluate the accuracy of the proposed method [8]. Above works are road extracted from various satellite images except Liss IV data. |
三世。提出工作 |
| 答:研究区域 |
| 研究领域在Tamilnadu从地形上发现,印度。本研究范围是Tamilnadu马杜赖地区。从以上信息报告和经度范围值得考虑。上述资料有不同项可怕的数据像街道,建筑物、植被地区,山和水债券集中在电磁传输速度范围。另一方面,这些信息安全区域表面除了海洋或海洋。 |
| b .特征选择 |
| 这个拟议的工作道路刚从提到的遥感信息提取。源泉的日光和电磁幻影数据范围道路极其可怕的数据反映在近红外波段。路提供只是从近红外波段中映射和全球定位系统。所以近红外波段选择从三个乐队。通过这种方式,我们不需要在这三个波段组合。这个近红外波段必须包含独特的街道上,例如,国家高速公路、高速公路和马杜赖城市街道获得在这个乐队。 |
| C。输入图像 |
| 输入图像被认为是测试图像选择区域只有从近红外波段出现。有六种不同类型区域出现,因为它覆盖了国家公路、国家公路、横路,农村公路和机场。每个图像大小的256 x 256像素出现原始数据没有调整。这些图像可能出现没有信息丢失和原始图像文件格式。已经这个乐队录制每像素所以裁剪图像5.8米分辨率256 x 256像素,它可能是地球上总覆盖表面1.280平方公里。后选择区域裁剪图像从原始数据和用于道路检测使用现有的算法和算法。 |
| 上面输入图像可能给各种滤波增强和噪声的技术从图像和删除这个预处理步骤完成。增强后,图像检测道路分割。 |
D:使用高斯同态滤波图像增强 |
| 一个图像处理图像增强是广泛的研究领域从遥感数据预处理和特征提取。有许多可用的增强技术在图像处理图像处理系统。有非常重要的领域是空间域和频率域。图像的噪声作为多余的组件,它发生在图像的原因很多。同态滤波是一种基于频域的图像增强技术。这是一个广义的技术图像处理和签名处理,涉及非线性映射到各种领域应用线性滤波器技术,紧随其后的是回到原始域的映射。同态滤波器同时正常化亮度图像,增加对比度。这里的同态滤波器用于消除高斯噪声。 |
高斯噪声 |
| 高斯噪声是统计噪声概率密度函数相等的正态分布,这也被称为高斯分布[9][10]。在数字图像高斯噪声产生的主要来源在收购。例如,这些传感器噪声是由贫穷引起照明[11]。在数字图像处理系统,可以减少使用空间滤波器和高斯噪声频率滤波器,一个不受欢迎的结果可能导致精密密封图像边缘的模糊,也对应了高频[12]。高斯值噪声可以呈现高斯分布。的概率密度函数名p高斯随机变量z是由 |
 eq。(1) |
| z在灰度,μ均值和标准差σ是[13]。这个高斯噪声应用同态滤波技术。因此,它被称为基于高斯噪声的同态滤波和高斯同态滤波器。在同态滤波照明和反射添加剂以对数图像的强度。因此,图像的这些组件可以在频域线性分离。高频分量和低频成分增加被认为是主要的反射率图像,低频率成分被认为代表主要是图像的照明。 |
| 同态滤波的功能可能会降低低频,增加高频。遥感图像的同态滤波给低灰度对比度扩展增强对比度。高通滤波器用于抑制低频和日志强度放大高频域[14]。最后一步是指数函数应用于反log-transform得到基于高斯的同态滤波的图像。图5.1到5.6显示了高斯同态滤波结果与表1.1显示了高斯同态滤波器的PSNR值。 |
四、比较分析 |
| 有两个现有的分割算法相比,使用和道路从丽丝iv中提取数据,如遗传算法和基于活动轮廓模型的分割。 |
一个。基于遗传算法的分割 |
| 在遗传算法中,字符串称为染色体,人口编码候选人解决优化问题,发展更好的解决方案。进化通常是从人口随机生成个人和发生在一代又一代。在每一代种群中的每个个体的强度评估和多个个体是随机选择从当前人口(基于他们的健身)和修改(交叉和变异)形成一个新的人口。图像分割代表一个输入图像的过程划分为非重叠区域。每个区域是均匀和连接。任何两个空间相邻区域的联盟并不是均匀的。 |
| 每个地区在分割图像满足同质性和连通性的属性。该地区被认为是均匀的,如果所有地区piel满足一致性条件定义每一个或多个像素的属性,如强度,颜色,纹理,等等。该地区连接,如果连接路径区域内任意两个像素之间存在。如果我是一组的图像像素和H(。)是一个同质性谓词定义了连接像素组,那么我的图像分割是分配到连接{S1, S2, .....子集,Sn} |
 (2)式。 |
| 同质性谓词是 |
 eq。(3) |
| 计算的图像分区具有极高的组合的复杂性。没有通用的解决方案对所有分割情况下存在。因为一个非常大的解决方案空间,编入遗传算法在一些研究人员采用。棉酚¢s应用优化参数的各种分割技术以及开发新技术。现代分割技术之一是一个形状描述和可能的形状变形作用引起的能量。在红外图像检测道路边界道路所描述的是一个不规则的形状参数椭球的定义 |
 eq。(4) |
| 形状拟合的图像是由最小化能量函数采用。 |
 (5)式。 |
 eq。(6) |
| 你在哪里pw后壁和U能量函数吗年代是隔能源,gmax (j)是最大的梯度方向正常椭球边界。 |
| 每个椭圆轮廓编码的染色体基因含有谐波分量的椭圆轮廓和两个位置的元素。遗传算法试图最小化能量函数U指导轮廓提取心脏超声心动图图像的最优分割和边界。细分割是通过形象的知识纳入优化过程通过可调参数范围。这种方法允许分割图像与不完整的心脏边界以及抗噪声增加。卢西亚Ballerini蛇做了一个广泛的研究算法利用遗传算法参数优化。Cagnoni等人使用弹性轮廓模型分割医学图像在寻找一个特定的解剖结构。他们使用遗传算法来优化能量函数来源于蛇算法,因此驾驶轮廓最优位置。 |
基于活动轮廓模型的分割 |
| 在活动轮廓模型的基本思想像蛇一样是发展曲线和约束从一个给定的图像,为了检测道路或线图像。例如,从一个对象检测曲线,曲线走向其内部正常的,必须停止在边界上的对象[15]。 |
| 在经典的蛇和活动轮廓模型中,使用一个边缘检测器,根据图像的梯度,停止进化的边界曲线所需的对象。因为所有这些经典的蛇和活动轮廓模型依赖于边缘函数,根据图像梯度,停止曲线演化,这些模型只能检测对象边缘定义为梯度。在实践中,离散梯度有界然后边缘停止函数从不为零,和曲线可以通过边界。如果图像非常吵,然后各向同性高斯平滑必须强,这也会磨平你的棱角。有不同的活动轮廓模型,没有停止边缘函数,即不是基于模型的图像的梯度停止的过程。停止一项基于Mumford-Shah分割技术。通过这种方式,我们获得一个模型既可以检测轮廓有或没有梯度,例如对象与非常平滑边界甚至不连续边界。另外,我们的模型有一个水平集制定、内部轮廓被自动检测到,和初始曲线可以形象的任何地方。更多细节关于活动轮廓模型参考[15]。 |
诉性能结果 |
| 这些算法实现和测试,MATLAB。以上算法相比只使用精度等性能指标。我们认为最好的道路使用性能指标为特定数据分割算法。我们的结果表明,道路提取从丽丝iv数据基于性能指标和确定最佳分割算法基于活动轮廓模型的分割。图1.1到图11.6显示了活动轮廓模型的分割结果。表1显示了遗传算法(GA)的精度值和活动轮廓模型(ACM)。图1.7显示了GA和ACM的性能变化。图1.8显示了流程的工作。 |
 |
六。结论和未来的工作 |
| 结果表明比较算法,如基于遗传算法的分割和基于活动轮廓模型的道路分割从遥感丽丝iv数据. .最后,活动轮廓模型适用于道路提取从丽丝IV数据基于对性能指标的评价。丽丝IV红外波段有5.8米每像素分辨率这是低能见度和非常复杂的从丽丝IV数据提取的街头道路。我们可以使用高分辨率图像像低于1米分辨率适合提取的街头道路从卫星图像在未来的工作。 |
表乍一看 |
 |
| 表1 |
|
|
数据乍一看 |
|
|
|
引用 |
- 约翰·a·理查兹。XiupingJia„遥感数字图像分析,介绍4日EditionA¢,激飞柏林海德堡纽约,ISBN-13 978-3-540-25128-6
- 詹姆斯·B。坎贝尔和伦道夫·h·韦恩„介绍远程SensingA¢,第五版,吉尔福德出版物,ISBN 978-1-60918-176-5。
- Jianhua Youchuan Wan, Dongliang Wang,湘王,永生,JingzhongXu,“跟踪矢量道路theDetermination接缝的航拍图像马赛克”,IEEE地球科学和遥感信,9卷,3号,2012年5月
- Aluir p . Dal Poz罗德里戈·a·b·加利若昂·c·达席尔瓦和艾力高f·o·马丁斯,农村“对象空间道路提取UsingStereoscopic航拍图像”,IEEE地球科学和遥感信,9卷,2012年7月4号。
- d·乔杜里n . k . Kushwaha, a . Samal“半自动道路检测DirectionalMorphological从高分辨率卫星图像增强和分割技术”,IEEE《应用地球观测和RemoteSensing选定主题,5卷,2012年10月5号。
- Jiaping赵,Suya你、黄精、快速道路网从机载激光雷达数据的提取和更新”,IEEE 2012
- 历下锣、Liqiang, Mingzhong Liu Jingfa张“从高分辨率RsImage路损伤诊断”,IEEE 2012
- 华张Zelang苗,施一职,心心王,“道路中心线提取高分辨率图像基于ShapeFeatures和多元自适应回归样条函数”,IEEE地球科学和遥感信,10卷,2013年5月3号
- TudonBarbu”变化图像去噪方法与扩散多孔介质流”,2013。Doi: 10.1555 / 2013/856876。
- 巴里Truax ed,手册声学生态、剑桥街出版,1999。
- philippecattin图像恢复:介绍信号和图像处理、MIAC,巴塞尔大学,2013。
- 罗伯特•费舍尔西蒙•帕金斯阿什利·沃克,Erik Wolfart,“合成图像噪声的一代”。
- T。黄G。Yarg, G。唐,“快速二维中值滤波算法”,IEEE反式。Acoust、语音信号处理、27卷。1、pp.13-18 1979。
- 道格拉斯·B。威廉姆斯和Vijay Madisetti,《数字信号处理手册》,1999年。
- 托尼·f·陈,Luminita a . Vese“主动轮廓没有边缘”,IEEE图像处理,10卷,2号》。
- Manisha沙玛和VandanaChouhan。(2012)。客观评价参数的图像分割算法。国际期刊,成为和先进技术(IJEAT) ISSN: 2249 - 8958,第2卷,问题2。
|
传记 |
| T。Ganesh Kumar和Manish T。我是研究计算机科学与工程系学者,Manonmaniam Sundaranar大学Tirunelveli。他们获得计算机科学与工程专业工程硕士学位Manonmaniam Sundaranar大学Tirunelveli,印度。Dr.D。基于副教授在计算机科学与工程系,Manonmaniam Sundaranar大学Tirunelveli,印度。他是一位首席研究员UGC等two-funded研究项目的主要项目,印度政府,科学和工程研究委员会,科学和技术部门,印度政府。 |
菜单
eq。(1)
(2)式。
eq。(3)
eq。(4)
(5)式。
eq。(6)
