提出一种有效的快速细化算法,包括两个步骤:首先通过建立w e igh t-va lue的概念对模板进行分类,然后按照分类后的模板对象素进行删除,使之成为由双层点或单层点构成的子图像;为保证能将双层点细化为单层点,提出两个模板,依据这两个模...提出一种有效的快速细化算法,包括两个步骤:首先通过建立w e igh t-va lue的概念对模板进行分类,然后按照分类后的模板对象素进行删除,使之成为由双层点或单层点构成的子图像;为保证能将双层点细化为单层点,提出两个模板,依据这两个模板进行并行细化从而得到单象素骨架.实验证明这个方法是快速有效的.展开更多
宽度窄、路面材质与农田差异性低是农村机耕路的特点,也是导致现有模板匹配方法自动化程度低的主要因素。本文针对这一问题,提出动态权重约束下的农村机耕路提取方法。该方法首先通过改进多尺度线段方向直方图(Multi-Scale Line Segment...宽度窄、路面材质与农田差异性低是农村机耕路的特点,也是导致现有模板匹配方法自动化程度低的主要因素。本文针对这一问题,提出动态权重约束下的农村机耕路提取方法。该方法首先通过改进多尺度线段方向直方图(Multi-Scale Line Segment Orientation Histogram, MLSOH)模型,对机耕路局部道路方向进行预测,能够降低由于田埂干扰所导致的道路方向错误预测几率;其次为明确表征机耕路线性特征,对影像进行线段提取。并将局部区域线段长度作为权重动态分配的主要因子,对不同道路预测方向进行动态权重分配,以此解决路面宽度窄导致的匹配准确度下降问题。最后,将HSL色彩空间相似性分析模型与动态权重因子进行结合,构成HSL动态匹配模型,以此提高机耕路与农田之间的对比性。本文以3幅不同地区、不同类型的高分辨率影像为实验数据,与其他多个模板匹配算法进行对比分析,结果表明,本文方法道路提取的完整度、正确率以及质量均在95%以上。同时相对于其他方法,在保证机耕路提取精度的基础上,本文提出的方法具有自动化程度高的优点,并且本文的方法也适用于其他农村区域道路。展开更多
文摘提出一种有效的快速细化算法,包括两个步骤:首先通过建立w e igh t-va lue的概念对模板进行分类,然后按照分类后的模板对象素进行删除,使之成为由双层点或单层点构成的子图像;为保证能将双层点细化为单层点,提出两个模板,依据这两个模板进行并行细化从而得到单象素骨架.实验证明这个方法是快速有效的.
