1 合肥工业大学计算机与信息学院人工智能与数据挖掘研究室, 安徽 合肥 230601
2 合肥工业大学工业安全与应急技术安徽省重点实验室, 安徽 合肥 230601
3 合肥师范学院计算机学院, 安徽 合肥 230601
光谱解混可以有效提升高光谱图像的利用效率。非负矩阵分解(NMF)常用于寻找非负数据的线性表示,可以有效解决混合像元问题。基于丰度的稀疏性和图像局部不变性提出一种高光谱解混算法。对丰度采取稀疏性约束和基于拉普拉斯矩阵的图正则项约束,构造了一个新的目标函数,端元和丰度在经过若干次迭代后取得了较好的解混合结果。该算法在模拟和真实数据上都进行了有效性验证,实验结果证明所提算法具有良好的解混性能。
图像处理 光谱解混合 非负矩阵分解 端元 丰度 激光与光电子学进展
2019, 56(16): 161001
1 山东理工大学 机械工程学院, 山东 淄博 255049
2 山东理工大学 电气与电子工程学院, 山东 淄博 255049
针对传统的多方向灰度形态学边缘检测算法存在计算量大、效率低的缺点, 提出了一种基于自适应噪声抑制的多方向灰度形态学图像边缘检测算法。根据图像所含噪声的种类, 采用不同尺度的结构元素对图像进行分类滤波, 再根据像素点间灰度值的变化确定边缘方向, 由相应方向的结构元素进行边缘检测。实验结果表明, 与传统的多方向灰度形态学边缘检测算法相比, 检测到的边缘重构相似度和边缘置信度更高, 边缘连续性更强, 且计算量低, 运行效率高。
噪声抑制 边缘检测 灰度形态学 结构元素 noise suppressing edge detection gray scale morphology structural elements