由于河流图像中常常存在光学噪音,且水污染分布呈现出复杂和多变的特征,使得特征获取难度较大。为此,提出一种城市周边流域河流有机污染物分布特征提取方法。采用自适应边缘相似度非局部均值(Adaptive Non-local Means Denoising with E...由于河流图像中常常存在光学噪音,且水污染分布呈现出复杂和多变的特征,使得特征获取难度较大。为此,提出一种城市周边流域河流有机污染物分布特征提取方法。采用自适应边缘相似度非局部均值(Adaptive Non-local Means Denoising with Edge Similarity, ANLM-ES)图像去噪方法,利用两个像素之间的高斯加权距离,获取复合图像块相似性权重函数,通过加权平均,经过计算确定中心像素,将图像去噪处理。分割城市周边流域河流图像,通过最小二乘法确定偏析线方向,采用拟合直线投影图像像素点,根据城市周边流域河流有机污染物分布特征,实现不同特征提取。通过仿真分析表明,所提方法去噪均方误差仅为0.025,可以获取良好的城市周边流域河流有机污染物分布特征提取结果。展开更多
文摘由于河流图像中常常存在光学噪音,且水污染分布呈现出复杂和多变的特征,使得特征获取难度较大。为此,提出一种城市周边流域河流有机污染物分布特征提取方法。采用自适应边缘相似度非局部均值(Adaptive Non-local Means Denoising with Edge Similarity, ANLM-ES)图像去噪方法,利用两个像素之间的高斯加权距离,获取复合图像块相似性权重函数,通过加权平均,经过计算确定中心像素,将图像去噪处理。分割城市周边流域河流图像,通过最小二乘法确定偏析线方向,采用拟合直线投影图像像素点,根据城市周边流域河流有机污染物分布特征,实现不同特征提取。通过仿真分析表明,所提方法去噪均方误差仅为0.025,可以获取良好的城市周边流域河流有机污染物分布特征提取结果。
