1 河南理工大学 测绘与国土信息工程学院, 河南 焦作 454000
2 北京航空航天大学 自动化科学与电气工程学院, 北京 100191
3 河南理工大学 电气工程与自动化学院, 河南 焦作454000
为提高遥感图像水域分割的准确度, 结合高分率遥感图像中水域与背景纹理复杂度差异较大的特点, 将图像熵引入到CV模型中, 提出两种图像熵主动轮廓模型用于高分辨率遥感图像的水域分割。其中, 针对水域纹理相对简单的遥感图像, 在CV模型中引入零水平集内的图像熵而构成局部图像熵主动轮廓模型, 可以有效降低背景中灰度值与水域近似的区域发生误分, 从而提高水域分割的准确度; 针对水域纹理相对复杂的遥感图像, 在CV模型中同时引入零水平集内外图像熵而构成全局图像熵主动轮廓模型, 改进了水平集函数进化过程中对灰度信息的依赖, 并能使零水平集进化到全局最优, 进一步提高了遥感图像中水域分割的准确度。针对高分辨率遥感图像中的湖泊、河流和海域分割对比实验结果表明：局部图像熵主动轮廓模型的分割精确率分别为90.1%、81.5%和93.6%, F值分别为0.94、0.885和0.96; 全局图像熵主动轮廓模型的分割精确率分别为94.5%、85.3%、94.9%, F值分别为0.956、0.895、0.967。本文提出的两种图像熵主动轮廓模型均能有效减小背景误分, 提高了遥感图像水域分割的准确度。
遥感图像 水域分割 主动轮廓模型 局部图像熵 全局图像熵 remote sensing image water area segmentation active contour model local image entropy global image entropy
北京航天自动控制研究所,宇航智能控制技术国防科技重点实验室,北京,100854
提出一种新的基于纹理特征相似度的图像区域分割方法--迭代合并-扩张法.通过对各区域直方图的相似性比较,来确定不同区域纹理特征的相似性,把纹理特征相似性权值作为区域一致性度量,迭代合并相似区域完成图像的初始分割,再通过区域扩张来解决小区域纹理特征的不稳定性问题,完成图像中水域与陆地的精确分割.最后利用形态学对比度法在水域中进行目标检测.试验结果表明,此方法能很好地实现复杂海地背景下的舰船目标检测.
舰船目标检测 水域分割 迭代合并-扩张法 纹理相似性
华中科技大学,图像识别与人工智能研究所,图像信息处理与智能控制教育部重点实验室,湖北,武汉,430074
针对海岸线背景下的海面小目标的自动检测问题展开讨论,提出一种目标所在感兴趣区域的自动提取算法,将水域和复杂背景分离,并对分割后的二值图像进行标记,海面区域即水域应该是标记块中面积最大的一块,利用此特征提取出感兴趣区域--水域.对感兴趣区域进行轮廓跟踪后再用原始灰度进行扫描填充,在得到的简单背景下对目标进行局部中值滤波,进而用F-R准则将感兴趣舰船目标检测出来.最后拟利用感兴趣舰船目标区域的方差值计算感兴趣目标出现的置信度估计值,若置信度大于90%,则认为是真目标.实验结果给出了实验处理时间和所识别出的各个目标的置信度,表明了本文算法的有效性.
小目标检测 水域分割 区域标记 区域提取 区域填充 Small target detection Water-area segmentation Area mark Area extraction Area filling
