發(fā)布時間：2021-04-25 16:26

　　針對遙感圖像的邊緣檢測尤其是彩色遙感圖像的邊緣檢測上存在諸多的不足,為了減少噪聲,提高目標(biāo)提取的精確度與完整性,提出一種基于機器學(xué)習(xí)和方向模板的遙感圖像邊緣檢測方法.算法首先將RGB彩色圖像轉(zhuǎn)換到Y(jié)CbCr顏色空間,根據(jù)機器學(xué)習(xí)獲得的分類閾值進(jìn)行分割,再采用改進(jìn)的Harr方向特征模板,獲得了較為完整的彩色遙感圖像邊緣信息.實驗表明,基于機器學(xué)習(xí)算法的邊緣檢測能較好的提取出遙感圖像的邊緣特征,特別是對于地面物體的輪廓特征提取較為完整,符合遙感圖像目標(biāo)提取與識別需求. 

【文章來源】：內(nèi)江師范學(xué)院學(xué)報. 2020,35(08)

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 基于機器學(xué)習(xí)和方向模板的彩色遙感圖像邊緣檢測
    1.1 RGB轉(zhuǎn)換到Y(jié)CbCr顏色空間
    1.2 基于機器學(xué)習(xí)和Haar特征模板的遙感圖像邊緣檢測
2 實驗分析
3 總結(jié)


【參考文獻(xiàn)】：
期刊論文
[1]基于YCbCr和AdaBoost算法的人臉檢測[J]. 胡柳,鄧杰,肖瑤星,盧艷芝,曾蒸.  電腦編程技巧與維護(hù). 2020(02)
[2]基于MATLAB的圖像形態(tài)學(xué)處理技術(shù)與應(yīng)用[J]. 錢月.  內(nèi)江師范學(xué)院學(xué)報. 2019(10)
[3]一種基于離散度及相關(guān)性改進(jìn)的特征選擇方法[J]. 張俊,張凱,林單,陳亞軍.  內(nèi)江師范學(xué)院學(xué)報. 2019(10)
[4]一種聯(lián)合Canny邊緣檢測和SPIHT的圖像壓縮方法[J]. 王亞鴿,康曉東,郭軍,洪睿,李博,張秀芳.  計算機科學(xué). 2019(S1)
[5]一種基于閾值與邊緣檢測的遙感圖像分割方法[J]. 李晨釗,陳胤璇,高海榮,李維勝,何強.  甘肅科技. 2019(06)
[6]基于改進(jìn)的soble算子和zernike矩遙感圖像邊緣檢測[J]. 陳竹安,胡志峰,楊希鵬.  湖北民族學(xué)院學(xué)報(自然科學(xué)版). 2017(02)
[7]基于Zernike矩的改進(jìn)LoG邊緣檢測方法[J]. 胡建平,佟薪,謝琪,田勝景.  山西大學(xué)學(xué)報(自然科學(xué)版). 2016(03)
[8]圖像邊緣檢測的分?jǐn)?shù)階微分算子研究[J]. 李軍成.  計算機應(yīng)用與軟件. 2015(12)
[9]一種基于保角相位的圖像邊緣檢測新方法[J]. 石美紅,李青,趙雪青,喬冬冬.  電子與信息學(xué)報. 2015(11)
[10]彩色圖像邊緣檢測研究綜述[J]. 楊婷婷,顧梅花,章為川,馬蒙蒙.  計算機應(yīng)用研究. 2015(09)

博士論文
[1]圖像邊緣檢測技術(shù)及其應(yīng)用研究[D]. 曾俊.華中科技大學(xué) 2011



本文編號：3159711