-
公开(公告)号：CN107169533B
公开(公告)日：2021-01-15
申请号：CN201710448649.3
申请日：2017-06-14
Applicant: 大连海事大学
Abstract: 本发明公开了一种超像素的概率因子TMF的SAR图像海岸线检测算法读取合成孔径雷达采集到的SAR图像，生成对应的纹理图像Itexture均匀选取种子点，遍历所述的纹理图像Itexture，将无边缘的局部窗作为邻域点的集合C中的特征点，计算种子点的特征均值和方差，根据均值法更新每一类标签的特征和每一个超像素的特征，并计算出ps,i，进而更新二维向量的标记场X，重复循环纸质超像素保持不变，进行条件迭代，得到海岸的检测结果。本发明不再采用传统的增加特征维数的方法，而是由液体扩散系数的启发提出了用统计量表示图像的方法，提出这种纹理，使用该统计量可以在一定程度上降低SAR图像中海洋和陆地的纹理复杂性，同时在一定程度上增强海洋和陆地的对比度。
-
公开(公告)号：CN107256399A
公开(公告)日：2017-10-17
申请号：CN201710449129.4
申请日：2017-06-14
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于Gamma分布超像素算法和基于超像素TMF的SAR图像海岸线检测算法，通过读取图像I，输入种子点数k，并根据输入的种子点数k和图像的大小确定种子点的位置以及每个种子点周围搜索区域的大小，直至超像素的边界不再发生变化，输入所述超像素图像，更新种子点并计算势能，最终输出海岸线结果。本发明在SAR图像海岸线检测算法中提出了一种全新的TMF算法，能够良好的解决中心像素和邻域像素之间的相对位置关系的问题，而解决前一问题需要引入超像素方法。
-
公开(公告)号：CN107301649B
公开(公告)日：2020-11-13
申请号：CN201710454623.X
申请日：2017-06-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于超像素的区域合并SAR图像海岸线检测算法读取合成孔径雷达SAR图像I，输入k个超像素的种子点，计算种子点的位置并计算出各种子点的邻域点均值和中心点均值的相似程度Si,j，然后计算各种子点的均值和方差作为种子点的特征，重复步骤直至所有点的类别都不在发生变化。计算超像素的像素均值，超像素内像素数量和超像素内像素的标准差，直到迭代前后超像素不再合并，则输出海岸线检测结果。本发明通过构建一个新的局部窗，可以有效的解决传统矩形窗中因含有边缘导致计算出的特征模糊的问题，通过该局部窗构建一个相似性描述子，使得提取出的特征更加精确，使得超像素的边缘贴合度更高。
-
公开(公告)号：CN107256399B
公开(公告)日：2021-01-15
申请号：CN201710449129.4
申请日：2017-06-14
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于Gamma分布超像素算法和基于超像素TMF的SAR图像海岸线检测算法，通过读取图像I，输入种子点数k，并根据输入的种子点数k和图像的大小确定种子点的位置以及每个种子点周围搜索区域的大小，直至超像素的边界不再发生变化，输入所述超像素图像，更新种子点并计算势能，最终输出海岸线结果。本发明在SAR图像海岸线检测算法中提出了一种全新的TMF算法，能够良好的解决中心像素和邻域像素之间的相对位置关系的问题，而解决前一问题需要引入超像素方法。
-
Patent Agency Ranking
公开(公告)号：CN107316310A
公开(公告)日：2017-11-03
申请号：CN201610259865.9
申请日：2016-04-25
Applicant: 大连海事大学
IPC: G06T7/13
Abstract: 本发明公开了一种逆高斯分布主动轮廓模型海岸线检测的计算方法，包括以下步骤：初始化水平集函数φ(x,y)；计算目标区域的均值u1(x,y)和背景区域的均值u2(x,y)；计算λ1(x,y)和λ2(x,y)；基于逆高斯分布主动轮廓模型的数值求解。本发明通过最大似然估计方法构建基于逆高斯分布的区域能量泛函，然后引入水平集函数、长度规则项和惩罚项得到基于逆高斯分布的区域主动轮廓模型，推导了该模型对应的水平集函数演化方程。通过实验验证了本发明不仅可以处理海洋区域图像像素分布均匀、陆地区域图像像素分布不均匀、整体图像像素偏向于低灰度区域的Envisat卫星图像，还适用于海陆边界区域存在弱边缘的Envisat卫星图像。本发明比传统的Gamma分布运行时间短、迭代次数更少。
-
公开(公告)号：CN106447628B
公开(公告)日：2019-02-22
申请号：CN201610810663.9
申请日：2016-09-08
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明提供一种基于四矩形窗的空域滤波方法，包括：读取相干斑乘性噪声的图像；设定四矩形窗中每个矩形窗的长度，宽度和两窗之间的间距，所述四矩形窗包括第一矩形窗、第二矩形窗、第三矩形窗以及第四矩形窗；所述四矩形窗绕空域滤波中的局域窗的中心点旋转，根据所述四矩形窗中的每个矩形窗内的均值确定所述局域窗内像素点对应的边缘强度映射；根据所述边缘强度映射计算所述局域窗内除所述中心点外的像素点对所述中心点的权重值；根据所述权重值确定所述局域窗的估计像素点值。本发明能够抑制相干斑，同时还保持了边缘结构信息。
-
公开(公告)号：CN107169533A
公开(公告)日：2017-09-15
申请号：CN201710448649.3
申请日：2017-06-14
Applicant: 大连海事大学
Abstract: 本发明公开了一种超像素的概率因子TMF的SAR图像海岸线检测算法读取合成孔径雷达采集到的SAR图像，生成对应的纹理图像Itexture均匀选取种子点，遍历所述的纹理图像Itexture，将无边缘的局部窗作为邻域点的集合C中的特征点，计算种子点的特征均值和方差，根据均值法更新每一类标签的特征和每一个超像素的特征，并计算出ps,i，进而更新二维向量的标记场X，重复循环纸质超像素保持不变，进行条件迭代，得到海岸的检测结果。本发明不再采用传统的增加特征维数的方法，而是由液体扩散系数的启发提出了用统计量表示图像的方法，提出这种纹理，使用该统计量可以在一定程度上降低SAR图像中海洋和陆地的纹理复杂性，同时在一定程度上增强海洋和陆地的对比度。
-
公开(公告)号：CN106447628A
公开(公告)日：2017-02-22
申请号：CN201610810663.9
申请日：2016-09-08
Applicant: 大连海事大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明提供一种基于四矩形窗的空域滤波方法，包括：读取相干斑乘性噪声的图像；设定四矩形窗中每个矩形窗的长度，宽度和两窗之间的间距，所述四矩形窗包括第一矩形窗、第二矩形窗、第三矩形窗以及第四矩形窗；所述四矩形窗绕空域滤波中的局域窗的中心点旋转，根据所述四矩形窗中的每个矩形窗内的均值确定所述局域窗内像素点对应的边缘强度映射；根据所述边缘强度映射计算所述局域窗内除所述中心点外的像素点对所述中心点的权重值；根据所述权重值确定所述局域窗的估计像素点值。本发明能够抑制相干斑，同时还保持了边缘结构信息。
-
公开(公告)号：CN107301649A
公开(公告)日：2017-10-27
申请号：CN201710454623.X
申请日：2017-06-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于超像素的区域合并SAR图像海岸线检测算法读取合成孔径雷达SAR图像I，输入k个超像素的种子点，计算种子点的位置并计算出各种子点的邻域点均值和中心点均值的相似程度Si,j，然后计算各种子点的均值和方差作为种子点的特征，重复步骤直至所有点的类别都不在发生变化。计算超像素的像素均值，超像素内像素数量和超像素内像素的标准差，直到迭代前后超像素不再合并，则输出海岸线检测结果。本发明通过构建一个新的局部窗，可以有效的解决传统矩形窗中因含有边缘导致计算出的特征模糊的问题，通过该局部窗构建一个相似性描述子，使得提取出的特征更加精确，使得超像素的边缘贴合度更高。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
