Print

基于先验模型优化的无人机遥感图像中几何轮廓目标检测方法

论文摘要

无人机拍摄的低空遥感图像比普通遥感图像有更高的分辨率和更多细节,但它们也容易受到各种降质因素,尤其是光照的影响,给提取目标轮廓的任务带来了巨大的挑战。较强的降质因子可导致低空遥感图像部分轮廓信息的丢失,导致传统轮廓检测方法无法检测到完整的轮廓。为解决这一问题,以光伏板边缘检测为例,提出了一种基于先验模型优化的轮廓目标提取算法。该算法根据目标轮廓的几何形状先验生成轮廓模板,然后匹配初步检测到的不完整轮廓的和轮廓模板的关键点,最后根据相应的关键点的坐标对轮廓模板进行优化,得到完整的轮廓。实验结果表明,本算法相较于Canny边缘检测算法和基于深度学习的HED算法能更好地克服降质因素的影响,检测到完整的轮廓。

论文目录

  • 1 预备知识
  •   1.1 高斯拉普拉斯 （LoG） 算子
  •   1.2 概率霍夫变换
  • 2 基于先验模型优化的边缘检测方法
  •   2.1 改进的LoG边缘检测算子
  •   2.2 检测轮廓关键点
  •   2.3 匹配检测到的轮廓和轮廓模板的关键点
  •   2.4 通过优化轮廓模板得到完整轮廓
  • 3 实验结果
  •   3.1 数据集
  •   3.2 实验结果分析
  •   3.3 其他方法对比
  • 4 结语

    • 文章来源

    类型: 期刊论文

    作者: 兰传琳,方佩章,何楚

    关键词: 轮廓检测,低空遥感图像,先验模型优化,降质因素,关键点匹配

    来源: 电视技术 2019年01期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 工业通用技术及设备,自动化技术

    单位: 武汉大学电子信息学院

    分类号: TP751

    DOI: 10.16280/j.videoe.2019.01.002

    页码: 5-10+65

    总页数: 7

    文件大小: 2586K

    下载量: 69

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/c6690542b7acef6028ced02a.html