李海杰
- 作品数：4 被引量：10H指数：2
- 供职机构：南京航空航天大学电子信息工程学院更多>>
- 发文基金：江苏高校优势学科建设工程资助项目国家自然科学基金水利部黄河泥沙重点实验室开放基金更多>>
- 相关领域：自动化与计算机技术电子电信天文地球更多>>
- 基于多特征和WSVM的SAR图像河流目标检测被引量：5
- 2015年
- 为进一步提高合成孔径雷达(synthetic aperture radar,SAR)图像中河流目标检测的准确性,本文提出了基于多特征和小波支持向量机(wavelet support vector machine,WSVM)的SAR图像河流目标检测方法。首先使用均值比表示像素点邻域的灰度特征,Gabor小波提取其纹理特征,并将其融合构造训练样本;然后将归一化处理后的特征矩阵输入WSVM进行训练,并利用训练好的WSVM对图像的每个像素点进行分类;最后根据河流的区域连通性和面积、形状特征,去除阴影、湖泊等与河流相似的区域。大量实验结果表明,与其他河流目标检测方法相比,本文方法检测的河流目标更加完整,背景与河流的误分区域更少,河流边缘保持得更好。
- 吴一全李海杰宋昱
- 关键词：合成孔径雷达图像小波支持向量机GABOR小波
- 基于卡通纹理分解和NSCT的卫星云图边缘提取
- 2015年
- 为方便提取云图的缓变边缘,提出了基于卡通纹理分解和无下采样轮廓波变换(NSCT)的卫星云图边缘特征提取算法。首先使用基于张量扩散的卡通纹理分解对卫星云图进行预处理,减小云图中噪声和纹理的影响,将云的缓变边缘转化为阶跃边缘;然后依据NSCT域中高频系数的正负关系和相关性进行边缘特征提取。通过实验,将文中算法分别与基于投影卡通纹理分解的预处理算法、小波多尺度积、NSCT模极大值和NSCT多尺度积等边缘特征提取算法进行比较。结果表明,本算法可更准确地提取云的边缘,且受噪声和纹理的影响小,边缘的连续性更好,为准确地进行云分类提供了保障。
- 吴一全李海杰宋昱
- 关键词：卫星云图
- 基于引导核聚类的非局部均值图像去噪算法被引量：4
- 2016年
- 为改善非局部均值(NLM)算法对不规则纹理图像的去噪效果,提出了一种基于引导核聚类和自适应搜索窗的NLM图像去噪算法。首先使用基于引导核的模糊C均值(FCM)聚类算法对相似窗进行预筛选,划分其类别;然后根据相似窗的类别计算每个像素点对应的搜索窗大小,保证相似性较高的相似窗数量;最后分别对每一类进行自适应搜索窗的NLM图像去噪。实验结果表明:与基于Zernike矩、基于主邻域字典(PND)、基于均值方差预筛选等3种NLM改进算法相比,该NLM改进算法对强噪声污染或不规则纹理的图像,其去噪效果更为有效,并更好地保持了图像的纹理、边缘,在峰值信噪比(PSNR)和结构相似性测度(SSIM)等客观定量评价指标上优于其他NLM改进算法。
- 吴一全李海杰宋昱
- 关键词：模糊C均值聚类图像去噪非局部均值
- 结合无下采样Shearlet模极大值和改进尺度积的有噪图像边缘检测被引量：1
- 2015年
- 为从噪声污染的图像中提取出更为清晰、连续的边缘,进一步改善边缘检测效果,本文提出了一种基于无下采样Shearlet模极大值和改进尺度积的边缘检测方法。首先对含噪图像进行多尺度、多方向无下采样Shearlet变换(Non-subsampled Shearlet Transform,NSST),得到图像在NSST域的高频系数;然后选取相邻的两个较大尺度的高频系数进行改进的尺度积运算,并经NSST模极大值处理得到边缘二值图像;最后使用区域连通方法去除二值图像中的孤立点,得到准确的边缘图像。大量实验结果表明,与小波模极大值、小波尺度积、基于无下采样Contourlet变换(Non-subsampled Contourlet Transform,NSCT)模极大值和尺度积、NSST模极大值等4种边缘检测方法相比,本文提出的方法具有更强的抗噪能力,且有效地避免了纹理的影响,检测出的边缘完整清晰,连续性好。
- 吴一全李海杰
- 关键词：边缘检测模极大值
