由于遥感图像景观边缘具有复杂非线性结构,受光照与场景影响,使得图像边缘存在极多样化纹理和噪声,导致景观边缘难以捕捉。于是提出基于超像素分割算法的景观边缘提取方法。采用超像素分割算法,将图像映射至CIE-LAB(International Commi...由于遥感图像景观边缘具有复杂非线性结构,受光照与场景影响,使得图像边缘存在极多样化纹理和噪声,导致景观边缘难以捕捉。于是提出基于超像素分割算法的景观边缘提取方法。采用超像素分割算法,将图像映射至CIE-LAB(International Commission on Illumination-Lightness-L*A*B)色彩空间中,利用最小化梯度,将超像素置于梯度对应区域中,获取标准化度量,将水平与垂直梯度加入特征矢量中,组建景观弱边缘超像素分割模型,分割景观弱边缘超像素,利用高斯滤波器,模糊处理超像素分割结果,构建能量函数,通过迭代处理,实现景观边缘提取。实验结果表明,所提方法能准确分割显著边缘与细节边缘,精准提取景观边缘,且边缘线连贯、平滑,有效避免了伪轮廓问题,对实现城市与景观的合理规划具有较高的实际应用价值。展开更多
文摘由于遥感图像景观边缘具有复杂非线性结构,受光照与场景影响,使得图像边缘存在极多样化纹理和噪声,导致景观边缘难以捕捉。于是提出基于超像素分割算法的景观边缘提取方法。采用超像素分割算法,将图像映射至CIE-LAB(International Commission on Illumination-Lightness-L*A*B)色彩空间中,利用最小化梯度,将超像素置于梯度对应区域中,获取标准化度量,将水平与垂直梯度加入特征矢量中,组建景观弱边缘超像素分割模型,分割景观弱边缘超像素,利用高斯滤波器,模糊处理超像素分割结果,构建能量函数,通过迭代处理,实现景观边缘提取。实验结果表明,所提方法能准确分割显著边缘与细节边缘,精准提取景观边缘,且边缘线连贯、平滑,有效避免了伪轮廓问题,对实现城市与景观的合理规划具有较高的实际应用价值。
