ISSN ONLINE(2319-8753)PRINT(2347-6710)
斯瓦米奈杜一号声音马拉2塞拉亚V3
|
相关文章at普梅德,学者谷歌 |
访问更多相关文章科技创新研究国际杂志
本文描述如何检测遥感区内受损建筑物数种不同的算法用于自动变换检测方法基础为异频滤波、光谱纹理分析分治纹理是一个样本区,它定义表面属性纹理是区域描述的一个重要方法边缘检测有时无法识别建筑物变化或损坏,在这种情况下纹理分析最有用图像处理描述区域纹理的三大方法为统计学、结构学和光谱学纹理分析提供更可靠检测危机区受损建筑物纹理分析方面,我们计算Haralick属性参数,如图像的能量和同质性规则化修改算法组合应用计算特定位置变化概率一天受损建筑物检测使用图像处理技术占据显要位置纹理属性在受损建筑物检测中起着关键作用本文中建议的方法使用纹理特征检测危机区受损建筑物
关键字 |
同质性、分片化、纹理分析、边缘检测 |
导 言 |
变化检测过程通过在不同时间观察对象或现象状态差异识别过程基本而言,它涉及使用多时数据集量化时间效果的能力龙卷风、地球震荡、洪水和自然灾害的影响需要查找。有如此多技术检测受损建筑物或区域,如图像差分、图像比、原理构件分析、多变变变换检测[4]和分类后检测从地球轨道卫星获取遥感数据的主要应用之一是变化检测,因为间隔短和图像质量一致性重复[2]变化检测有助于各种应用,如土地使用变化分析、轮垦监测、森林砍伐评估、植被变化研究、牧场生产的季节性变化、损害评估、作物压力检测、灾难监测雪炉测量、热特征日夜分析和其他环境变化 |
好变化检测研究应提供下列信息: |
面积变化率 |
空间分布类型变换 |
改变土地覆盖类型轨迹 |
精确评估变化检测结果 |
执行变化检测项目时涉及三大步骤: |
图像预处理包括几何校正和图像注册、辐射度校正和大气校正和地形校正 |
选择适当技术实施变化检测分析 |
精确性评估[1] |
DAMAGED设计 |
早期方法,如图像比、图像差异、原理构件分析[5]均无法检测建筑物可靠变换,因此我们不得不开发不同程序检测变化程序基于几大不同原则:傅里叶变换、边缘检测、纹理分析[10]和分割 |
A.特征分析 |
区域描述的一个重要方法就是量化纹理内容虽无形式纹理定义,但直觉描述符提供特征度量,如平滑性、粗度和规律性结构技术[11]处理图像原语排列问题,例如描述基于定时间并行线的纹理统计方法生成纹理描述平滑粗糙等光谱技术以傅里叶频谱属性为基础,主要用于通过辨识频谱高能小峰值检测图像全球周期计算纹理参数时,我们使用Haralick特征[8]基础灰度共生矩阵GLCM发现图案 < i,j > 相邻频率不同角度(00,450,900或1350)见图图1 |
![]() |
不同的纹理特征参数 |
能源 |
同质或逆距离运动 |
相关关系 |
• 对比度 |
纹理特征中也称为Haralick属性特性能和同质性用于检测受损建筑物由于对特定区域的最大信息将由这些参数承载它可以使用所有Haralick属性,但导致过程更加复杂GLCM计算所有图像 后初始直方图匹配多时图像基于GLCM,纹理特征同质度和能量用3x3至17x17等量不等窗口计算最佳结果取自 13x13窗口 |
.b.模块化 |
分片分片图像成块或对象切分式应停止检测对象或区域非图象分割是图像处理中最难任务之一分割精度决定计算机分析程序最终成败正因如此,应相当注意提高精确分治概率分割算法基于强度值不连续和相似性两种基本特性之一第一类方法分治图像二类中主近似基础为图像分割成区域,这些区域相似于一套预定义标准阻塞、区域增长、区域分治和合并是这一类方法实例分治法基于欧几里得距离灰值范围计算并除以常量属性简单化实现速度 图像悬停在应用图像分割中居中心位置高关联段表示不变低关联段表示变化 |
C.EDGE选择 |
边缘是本地图像强度的重大改变边缘通常出现在图像上两个不同区域之间的边界上边缘检测可分四步执行[12]它们是 |
平滑 |
增强 |
• 检测 |
本地化 |
平滑抑制尽可能多的噪声而不破坏真实边缘增强只是图像锐化进程应用滤波提高图像边缘质量检测用于判定哪些边缘像素应作为噪声丢弃并保留通常阻塞提供检测使用标准局部化确定边缘的确切位置子像素解析法可能需要用于某些应用,即估计边缘位置优于像素间距边缘稀疏连接通常是本地化所必备的 |
边缘检测方法多多,但大都可归为两类,基于搜索和零交叉基础搜索方法先计算边缘强度值,通常是先序衍生表达式,如渐变幅度值,再用边沿局部方向估计法查找渐变幅度局部方向值最大值,通常是渐变方向值零交叉法查找二阶衍生表达式零交叉 |
非线性差分表达式交叉预处理边缘检测 平滑阶段 典型高斯平滑 几乎总应用多项不同边缘检测方法调查可见于Ziou和Tabbone(1998年)[6] 另见百科全书数学百科全书[3] 和计算机科学工程百科全书中边缘检测文章7 |
有这么多运算符 边缘检测部分运算符 |
索贝尔边缘检测器 |
普威特边缘检测器 |
罗伯特边缘检测器 |
Canny边缘检测器 |
边缘检测运算符[9]提供最佳结果比较其他方法如 |
提高检测能力,特别是在鼻子条件 |
改进信号噪声比 |
本地化响应 |
方法整理 |
方法由三种图像处理工具组成,即频率滤波、纹理特征分离通过应用频滤高频区识别并易处理纹理特征用于测量图像面积的不同属性,分片为图像诊断提供简化信息它们是: |
A.forier转换 |
读取图片在不同日期显示T1和T2 |
应用自适应带传滤镜 |
通过应用逆傅里叶变换空间域 |
应用边缘检测器对两个图像即T1和T2 |
插件处理应用形态式近开操作 |
.b.外文编程 |
查找多时图像直方图相同的图像GLCM |
13X13窗口查找Haralick特征即能量反向多样性 |
特征值高表示建楼异用外楼表示 |
C.变化设计基础 |
查找两个图像的阈值,即T1和T2 |
查找欧几里得距离相邻像素和进程图像如下 |
if |
欧几里得距离 < 阈值 |
像素归同段 |
易斯语 |
像素归别段 |
T1和T2段发现差 |
查找关联因子并分配结果 |
免划分高关联值和低关联值表示不修改和修改 |
公元前推荐方法 |
决策树损坏楼检测图边缘=基于Fleier域滤波检测结果段数=使用切分检测变化的结果同质和能量输出纹理特征数字与下列类相关:0=不变楼,1=修改/破坏楼,2=新楼 |
边缘检测器的结果是,边缘参数显示不修改图像像素归为不修改 |
边缘参数显示新楼时,像素分类为新 |
纹理能显示'变换'和同质或分割显示'变换'比结果显示'新'否则不变 |
边缘参数显示'变换'后结果即为'变换'并同时考虑能量 |
能源显示不改变像素分类为不改变 |
能源显示新片段和同质显示变换像素分配为变换非变换 |
![]() |
![]() |
![]() |
![]() |
果实 |
中图3和图4显示两张图片在海啸前后两个不同日期拍摄应用方法后生成图像显示为图5变化检测基础为频域滤波、纹理特征、分片和接后边缘检测,证明有可能识别不变区域、新楼和受损楼,甚至是极小变化生成图像图5包含三种不同颜色:黑色表示无变化,白色表示新楼(建设),灰色表示变换楼(毁灭) |
结论 |
本文使用图像处理工具描述新变化检测法方法由三种图像处理工具组成,即频率滤波和纹理特征,即能量和同质分治这种方法提供优异结果比普通检测方法,如图像差分、图像比、原理构件分析、多变换检测和后位分类检测 |
公有化 |
撰文者还想感谢匿名评审员为改进本文提出评论和建议。发件人还想感谢Sasikiran varma、K.Jyothi、Sakakesia Joseph、Obulesh |
引用 |
|