亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        高分辨率光學(xué)遙感幾何與紋理約束的線段優(yōu)化算法

        2019-06-10 01:14:42戴激光謝詩哲苗志鵬宋偉東朱婷婷
        測繪學(xué)報 2019年5期
        關(guān)鍵詞:端點紋理線段

        戴激光,謝詩哲,苗志鵬,宋偉東,王 楊,朱婷婷

        1. 遼寧工程技術(shù)大學(xué)測繪與地理科學(xué)學(xué)院,遼寧 阜新 123000; 2. 資源與環(huán)境信息系統(tǒng)國家重點實驗室, 北京 100101; 3. 城市空間信息工程北京市重點實驗室,北京 100038; 4. 東華理工大學(xué)江西省數(shù)字國土重點實驗室,江西 南昌 330013

        作為一種重要的幾何基元,線段的方向、長度、端點及線段間的拓?fù)潢P(guān)系在三維重建、道路提取、建筑物提取、地物變化監(jiān)測等領(lǐng)域具有較強(qiáng)的應(yīng)用價值[1-4]。因而近年來國內(nèi)外學(xué)者針對線段檢測算法開展了大量的研究。按照文獻(xiàn)[5]對線段提取算法的分類,可以分為兩類:①全局統(tǒng)計算法,建立符合線性關(guān)系的聚類模型,通過解析方式得到參數(shù)信息[6-9];②局部跟蹤算法,設(shè)定起始跟蹤點,根據(jù)一定的幾何相位約束原則,利用區(qū)域增長的方式提取邊緣點集,采用擬合方式獲取線段參數(shù)信息[10-13]。相對于①類算法,局部跟蹤算法由于計算量小,因而受到了更廣泛的關(guān)注[14-16]。在背景相對簡單、差異比較明顯的近景及航空影像中,目前大多數(shù)線段提取算法均有較好的檢測效果。然而,在較為復(fù)雜實際場景的光學(xué)高分辨率衛(wèi)星遙感影像(空間分辨率優(yōu)于1 m,以下簡稱遙感影像)中,一些目視清晰的線狀信息依然難以保證線段提取結(jié)果的完整性,在道路、建筑物、梯田等具有線性特征的地物中表現(xiàn)尤為突出。這使得線段提取結(jié)果長度、端點信息準(zhǔn)確性下降,同時也增大了線段間拓?fù)潢P(guān)系分析的難度,使得線段在遙感影像處理中的應(yīng)用受到限制。

        深入分析現(xiàn)有算法提取線段斷裂的因素,可以發(fā)現(xiàn):①地物遮擋,例如樹木等對建筑物邊緣的遮擋,將導(dǎo)致建筑物邊緣的丟失;②邊緣影像模糊,實際場景中反差較小的地物間邊緣相對模糊,邊緣點連續(xù)性不強(qiáng);③邊緣鋸齒化,噪聲、細(xì)微地物變化[17]以及推掃式傳感器成像過程均易引發(fā)邊緣鋸齒化,使得邊緣點間的線性關(guān)系不夠穩(wěn)定。由此表明,導(dǎo)致線段斷裂的原因一方面是邊緣點間連續(xù)性不強(qiáng),另一方面是部分邊緣點間難以符合精準(zhǔn)化線性要求。而已有線段提取算法均是基于邊緣點的連續(xù)性和線性準(zhǔn)則而提出的,因此線段斷裂問題難以避免。而人眼之所以能夠觀測到完整線狀信息,是由于人類能夠在視覺環(huán)境中組織排列事物的位置,感受和識別出線性地物的連續(xù)信息[18]。受到上述思想的啟發(fā),一些學(xué)者以檢測線段為處理基元,利用線段間的幾何相位相似性,采用聚類算法[19-20]、跟蹤算法[21-23]對提取線段結(jié)果進(jìn)行優(yōu)化,即將同一地物的斷裂線段連接起來,形成完整線段。但聚類算法運行效率較低,并且僅考慮斷裂線段間的幾何關(guān)系,因而精度難以保證。而跟蹤算法對線段作為影像特征間的紋理相似特性考慮不足,并且在優(yōu)化過程中嚴(yán)重依賴于初始優(yōu)化線段的精度,因而效果難以令人滿意。

        線段是邊緣點的線性聚集體,同時更是地物輪廓表達(dá)的一種方式[24]。因此要將斷裂線段連接起來,不應(yīng)僅考慮斷裂線段間的幾何關(guān)系,更應(yīng)分析斷裂線段是否符合同一地物輪廓的紋理相似性。從此思想出發(fā),本文在跟蹤算法的基礎(chǔ)上,通過對遙感影像線段斷裂規(guī)律的分析,提出一種基于幾何與紋理約束的線段優(yōu)化算法,并據(jù)此給出了完整的算法流程。

        1 線段斷裂規(guī)律

        將線段提取結(jié)果放入真實場景,有利于對線段斷裂規(guī)律進(jìn)行深入分析。圖1(a)所示為Worldview-2真實影像,空間分辨率為0.5 m。圖1(b)中人工目視道路邊緣可視為一條黑色線段,但仔細(xì)觀察后可以發(fā)現(xiàn)道路邊緣存在白色遮擋物。因此,利用經(jīng)典LSD算法[15]進(jìn)行線段提取后,如圖1(c)所示在道路邊緣處出現(xiàn)黑色斷裂線段。將斷裂線段連接起來,優(yōu)化為圖1(b)所示一條線段,需要構(gòu)建如圖1(c)白色連接線段,即將斷裂線段連接起來的假設(shè)線段,同時也要考慮在同一地物輪廓框架下斷裂線段和連接線段的特征。因而本文總結(jié)如下:

        1.1 幾何特征

        幾何特征主要存在于斷裂線段間,這是由于斷裂線段是由規(guī)則邊緣構(gòu)成,而連接線段為假設(shè)線段,不能確保其精確位于地物邊緣處,因而幾何特征僅適用于斷裂線段:

        (1) 端點鄰近性。圖1(c)中所有黑色斷裂線段端點和圖1(b)所示黑色優(yōu)化線段間垂直距離應(yīng)低于一定閾值。

        (2) 空間接近性。如圖1(c)所示斷裂線段端點間空間距離較小,即相鄰斷裂線段間端點距離符合一定閾值。

        (3) 分布有序性。斷裂線段集在空間中呈現(xiàn)出同一方向排列有序性,該屬性可作為斷裂線段跟蹤方向的判斷依據(jù)。

        1.2 紋理特征

        如果斷裂線段、連接線段隸屬于一條線段,那么斷裂線段與連接線段應(yīng)相鄰于同一目標(biāo)地物,而同一地物應(yīng)存在較為一致的紋理相似性,因此需要對線段鄰域進(jìn)行紋理特征分析:

        (1) 相位一致性。斷裂線段集左右側(cè)灰度對比狀況一致。如圖1(c)所示,作為線條邊緣,所有斷裂線段左側(cè)影像相對右側(cè)灰度總體偏低。

        (2) 共區(qū)域性。如圖1(c)所示,斷裂線段、連接線段均相鄰于道路區(qū)域,所有線段左側(cè)均為同一地物,即同側(cè)區(qū)域具有紋理相似性。如圖1(b)所示,雖然道路邊緣屬于線條邊緣,存在白色遮擋物體,但由于覆蓋區(qū)域較小,故可通過整體評價其是否符合共區(qū)域性要求,因此共區(qū)域性以此可作為連接線段、斷裂線段的紋理約束條件之一。

        (3) 封閉性。封閉性專門適用于連接線段,這一特征可以反向印證連接線段是否為地物輪廓。根據(jù)這一特征,如圖1(c)中白色連接線段理論應(yīng)為不同地物間分割線,故連接線段兩側(cè)紋理應(yīng)具有一定的差異性,以滿足地物邊緣特性。如圖1(b)所示,連接線段左側(cè)雖然受到白色遮擋地物影響,但由于其僅占據(jù)較小斷裂區(qū)域,故圖1(c)中白色線段兩側(cè)可以構(gòu)成一定的紋理差異性,可滿足封閉性特征。

        圖1 線段斷裂示意Fig.1 Schematic of line segment fracture

        2 算法原理

        根據(jù)感知編組非偶然性定律,影像特征呈現(xiàn)某種有序結(jié)構(gòu)絕非偶然[25]。因而當(dāng)多條斷裂線段符合上述特征規(guī)律時,可以建立線段優(yōu)化模型。線段提取結(jié)果是優(yōu)化算法的基礎(chǔ),本文選取一種鏈碼跟蹤與相位結(jié)合的線段提取算法[5]。該算法優(yōu)點在于能夠確保構(gòu)成線段的邊緣點相位一致性,同時最大程度提高線段檢測結(jié)果的長度。在線段提取過程中,本文將記錄每條線段的多個參數(shù)信息(thera,xstart,ystart,xend,yend,flength,Np)。其中,xstart、ystart、xend、yend分別為線段兩端點x向與y向坐標(biāo);flength為線段長度;Np為擬合當(dāng)前線段的所有邊緣點;thera為線段相位,該參數(shù)近似垂直于線段角度,主要反映線段兩側(cè)的灰度對比情況,計算公式如下

        (1)

        式中,Np為構(gòu)成線段的邊緣點數(shù)量;ang(i)為第i個點邊緣點梯度方向,其范圍為[-π,π]。

        2.1 線段優(yōu)化模型

        按照數(shù)字圖像理論,噪聲通常是隨機(jī)存在的,其符合線性規(guī)則特征的概率必然較小。反之若線段長度越大,其符合實際地物邊緣的概率越高,但同時受到噪聲干擾的可能性也相應(yīng)增大。因此本文首先利用文獻(xiàn)[5]算法提取線段,根據(jù)線段長度優(yōu)先的原則確定初始優(yōu)化線段,其次建立幾何約束模型,再次建立紋理約束模型,最后動態(tài)更新優(yōu)化線段及跟蹤區(qū)域,以此完成對線段優(yōu)化模型的構(gòu)建。

        2.1.1 幾何約束模型

        在實際場景中,線段提取結(jié)果數(shù)量上呈現(xiàn)出海量化的特點,同時相互間存在錯綜復(fù)雜的空間拓?fù)潢P(guān)系,例如建筑物和道路、道路兩側(cè)邊緣、農(nóng)田與道路等線狀地物間存在角度相似、距離相近的特點。

        因此在進(jìn)行斷裂線段搜索過程中,首先需要確定跟蹤范圍。

        (1)跟蹤矩形。依據(jù)分布有序性,斷裂線段應(yīng)位于待優(yōu)化線段延長線方向上,因此如圖2(a)所示,可依據(jù)端點坐標(biāo)A(xstart,ystart)和B(xend,yend)向兩側(cè)外延確定跟蹤方向。根據(jù)端點臨近性、空間接近性,斷裂線段一側(cè)端點必然位于待優(yōu)化線段端點臨近區(qū)域內(nèi)。因此如圖2(b)所示,本文以端點A為起始跟蹤點為例(B點類似),建立一個長度為Ls(像素),右側(cè)距離為Lwr(距離為正值,單位為像素),左側(cè)距離為Lwl(距離為負(fù)值,單位為像素)的灰色矩形。在此跟蹤矩形內(nèi),線段L1按照跟蹤方向遍歷斷裂線段端點。

        圖2 跟蹤矩形Fig.2 Tracking rectangle

        (2) 位置約束。對大量實際場景線段斷裂問題的分析表明,當(dāng)一條線段兩端點位于待優(yōu)化線段跟蹤方向兩側(cè)時,人眼一般將其視為相同線狀地物,可視其為斷裂線段。反之當(dāng)兩端點位于待優(yōu)化線段同側(cè)且與其存在一定距離時,人眼很難將其視為待優(yōu)化線段的斷裂線。在此思想的啟發(fā)下,本文首先確保線段兩端點坐標(biāo)(i,j)和(i′,j′)與待優(yōu)化線段之間的距離D(i,j)和D(i′,j′)均位于[Lwr,Llr]范圍之內(nèi);其次保證D(i,j)和D(i′,j′)累積絕對值和低于閾值ε。上述兩條件構(gòu)成斷裂線段的位置約束條件。具體公式如下

        a×x+b×y+c=0

        (2)

        D(i,j)=(a×j+b×i+c)/sqrt(a×a+b×b)

        (3)

        abs(D(i,j)+D(i′,j′))<=ε

        (4)

        式(2)中,(x,y)為待優(yōu)化線段任意點坐標(biāo);a、b、c為線段參數(shù);式(3)中,以待確定線段任意端點(i,j)為例,計算其端點(i,j)與待優(yōu)化線段間的距離D(i,j);式(4)中,ε為D(i,j)和D(i′,j′)端點累加距離閾值。

        (3) 拓?fù)浼s束。圖3(a)、(b)中,與白色矩形框連接線段為待跟蹤線段。按照位置約束,圖3矩形框內(nèi)白色線段和圖3(b)黑色線段作為待確定斷裂線段均符合式(4)要求,但明顯可以看出圖3(a)矩形框內(nèi)白色線段為正確線,而圖3(b)黑色線段為錯誤斷裂線。因此在位置約束的基礎(chǔ)上,需進(jìn)行拓?fù)潢P(guān)系約束。如圖3(b)所示,由于一側(cè)端點已位于矩形跟蹤區(qū)域內(nèi),因此僅需對另一側(cè)端點進(jìn)行分析,確保該端點位于下側(cè)跟蹤線方向上。

        dis_pro_S+dis_pro_E>dis

        (5)

        式中,dis_pro_S為待確定線段端點在待跟蹤線段上投影點與待跟蹤線起始端點間的空間距離,dis_pro_E為投影點與待跟蹤線結(jié)束端點間的空間距離,dis為待跟蹤線段長度。當(dāng)線段端點滿足式(5)時,則說明其符合拓?fù)浼s束。

        圖3 拓?fù)浼s束Fig.3 Topology constraint

        2.1.2 紋理約束模型

        紋理約束模型是將線段置入實際影像中進(jìn)行分析,以確定斷裂線段是否滿足同一地物輪廓要求。因此,本文將依次開展相位約束、共區(qū)域性約束及封閉性分析。

        (1) 相位約束。依據(jù)相位一致性原則,將相位約束設(shè)置為待確定斷裂線段的紋理約束條件之一。相位約束公式如下

        abs(theraref-therasrc)<=η

        (6)

        式中,theraref為待優(yōu)化線段相位;therasrc為待確定斷裂線段相位;η為相位閾值。

        (2) 共區(qū)域性約束。根據(jù)共區(qū)域性特征,斷裂線段、連接線段均應(yīng)相鄰于同一地物。因此本文針對共區(qū)域性特征,提出一種整體匹配評價算法。如圖4所示,首先在黑色實線(斷裂線段)、黑色虛線(連接線段)左右根據(jù)距離線段為2像素(設(shè)置短距離是為了適應(yīng)線條邊緣的特點),步長為5像素抽取黑色點為抽樣點;其次在整體匹配評價中,對灰度值進(jìn)行重新量化(以8 bit影像為例,可將其線性壓縮為4 bit),以解決線段邊緣附近紋理均質(zhì)化較差的問題;最后,針對線段邊緣影像易發(fā)生灰度跳變的問題,建立種子點為圓心半徑為1的圓形模板。確定模板值的公式如下

        (7)

        式中,M為圓形模板;Im為圓形模板的灰度均值;Igm為圓形模板的灰度直方圖峰值。

        依據(jù)圖4與式(7)可給出具體步驟:首先,利用式(7)在斷裂線段、連接線段兩側(cè)分別計算其抽樣點模板值M;其次,利用線段相應(yīng)方向進(jìn)行匹配,即2條斷裂線段與連接線段左側(cè)模板均值進(jìn)行比較,如差值均低于2,則說明滿足左側(cè)共區(qū)域性特征,反之進(jìn)入右側(cè)共區(qū)域性約束判斷。

        圖4 共區(qū)域性約束Fig.4 Common regional constraints

        (3) 封閉性分析。封閉性分析主要是針對線段優(yōu)化過程中的過提取問題。如圖5所示為兩條黑色線段為真實提取線段,依據(jù)線段幾何約束模型兩條線段完全滿足要求,同時2條線段右側(cè)為同一地物也符合相位約束和共區(qū)域性,但兩條線段明顯不是斷裂線段。如何避免將2條線段連接起來,需要對連接線段所在區(qū)域進(jìn)行封閉性分析。在分析過程中,可參考圖4在連接線左右抽樣統(tǒng)計模板值。如兩側(cè)值差異絕對值低于2,說明當(dāng)前為錯誤連接線段,反之高于2則說明連接線符合封閉性要求,可進(jìn)行線段優(yōu)化。

        圖5 線段過提取問題Fig.5 Problem of line segment over extraction

        2.1.3 線段動態(tài)優(yōu)化模型

        受到邊緣鋸齒化的影響,初始優(yōu)化線段與實際地物邊緣并不能完全吻合。因此需要動態(tài)優(yōu)化線段,以確定新的跟蹤端點及跟蹤范圍,避免當(dāng)初始優(yōu)化線段出現(xiàn)位置偏差時,導(dǎo)致最終提取的優(yōu)化線段精度受到影響。本文利用每條線段提供的邊緣點集,采用最小二乘法計算線段參數(shù),并利用邊緣點在該直線上的投影范圍確定優(yōu)化線段端點,同時更新優(yōu)化線段參數(shù)信息(thera,xstart,ystart,xend,yend,flength,Np)。

        2.2 算法步驟

        依據(jù)上述線段優(yōu)化提取模型,圖6給出了本文算法的技術(shù)流程。

        圖6 技術(shù)流程Fig.6 Technical flow chart

        (1) 線段數(shù)據(jù)集與端點矩陣構(gòu)建。以線段提取結(jié)果作為處理基元,按照線段長度由大到小的順序?qū)⑵浯嫒霐?shù)據(jù)集N中。該數(shù)據(jù)集依次記錄每條線段屬性及該線段在數(shù)據(jù)集中的序號。以線段端點空間位置為基礎(chǔ),構(gòu)建端點矩陣M1。M1的大小與影像大小一致

        (8)

        式中,mij記錄對應(yīng)影像位置(i,j)上是否存在線段端點,有則直接記錄線段在N中的序號,沒有則為0;k和n分別為影像行列數(shù)值。

        (2) 初始優(yōu)化線段確定。在數(shù)據(jù)集N中按照存儲順序依次抽取線段,如果該線段端點在矩陣M1非0值,則將其設(shè)為初始優(yōu)化線段,基于初始優(yōu)化線段端點建立跟蹤矩形,雙向跟蹤并進(jìn)入步驟(3);如為0值,則再次進(jìn)入步驟(2)。

        (3) 在跟蹤區(qū)域內(nèi)遍歷線段端點。依據(jù)搜索區(qū)域及跟蹤方向,遍歷線段端點信息,如存在則進(jìn)入步驟(4),否則進(jìn)入步驟(6)。

        (4) 幾何和紋理約束分析。依據(jù)幾何約束模型和紋理約束模型,對待確定斷裂線段進(jìn)行分析,判斷其是否要求,滿足則進(jìn)入步驟(5);不符合條件則進(jìn)入步驟(3)。

        (5) 優(yōu)化線段端點與跟蹤區(qū)域更新?;诰€段所提供的邊緣點集,動態(tài)優(yōu)化線段及其參數(shù),并由此確定新的跟蹤端點及跟蹤矩形,進(jìn)入步驟(3)。

        (6) 優(yōu)化線段分析。存儲新優(yōu)化線段,并判斷優(yōu)化線段是否已經(jīng)全部處理,如未處理則進(jìn)入步驟(2),反之若全部處理完畢則輸出所有優(yōu)化線段。

        3 試 驗

        3.1 參數(shù)分析及設(shè)定

        為解決遮擋、邊緣模糊和鋸齒化等問題對線段優(yōu)化的影響,本文算法需要設(shè)定多個參數(shù)閾值。由于本文所選取的遙感影像空間分辨率均在0.5~0.8 m,分辨率相差不大,因此依照閾值最大適應(yīng)性原則,對各個參數(shù)設(shè)定經(jīng)驗閾值,并對定量設(shè)定結(jié)果及其原因進(jìn)行討論:

        (1) 跟蹤矩形參數(shù)。跟蹤矩形的設(shè)定主要是為了克服遮擋、邊緣模糊化和鋸齒化對線段斷裂的影響。本文設(shè)定Ls為20像素;左側(cè)距離Lwl為-8像素;右側(cè)距離Lwr為8像素。

        (2) 幾何約束閾值ε。當(dāng)線段與待優(yōu)化線段近似平行且有較大的距離,人眼傾向于將其視為不同線段,幾何閾值參數(shù)ε就是針對這一問題建立的定量化幾何約束條件。經(jīng)過多次試驗驗證,本文將這一閾值設(shè)定為8像素。

        (3) 相位約束閾值η。該參數(shù)是為了消除邊緣鋸齒化對線段斷裂的影響,本文設(shè)定η為π/9弧度。

        3.2 試驗結(jié)果與分析

        在試驗中,本文算法以VS2010為運行環(huán)境,利用C++編程進(jìn)行試驗分析。在選取對比算法時,分別選取具有代表性的線段優(yōu)化算法,即文獻(xiàn)[21,22]算法進(jìn)行對比分析。文獻(xiàn)[21]算法從幾何拓?fù)潢P(guān)系和物理光譜信息兩個方面對線段進(jìn)行優(yōu)化,并利用C++編程方式實現(xiàn);文獻(xiàn)[22]算法則利用線段圖模型對線段間的連接關(guān)系進(jìn)行估計、驗證,以此進(jìn)行線段優(yōu)化,該試驗結(jié)果由筆者提供的Matlab代碼處理得到。相對而言,文獻(xiàn)[21]算法是幾何拓?fù)渑c光譜信息的結(jié)合,而文獻(xiàn)[22]算法更加側(cè)重于幾何關(guān)系的分析。在試驗中,本文首先選取一幅城郊高分辨率遙感影像,分別展示加入幾何約束和紋理約束后線段優(yōu)化結(jié)果,以驗證將幾何與紋理約束進(jìn)行線段優(yōu)化的必要性;其次,分別選取了具有代表性的2幅不同類型的遙感影像進(jìn)行算法分析,覆蓋區(qū)域分別對應(yīng)于城市、農(nóng)村,其中包含遮擋、模糊化、邊緣鋸齒化所導(dǎo)致的線段斷裂問題。在線段優(yōu)化結(jié)果精度檢驗過程中,由于優(yōu)化線段數(shù)量不大,因此本文采用目視檢驗的算法進(jìn)行精度分析。

        3.2.1 試驗1

        圖7(a)所示為遼寧省葫蘆島市某地區(qū)的GF-2衛(wèi)星影像,空間分辨率為0.8 m,影像大小為1500×1500像素,覆蓋范圍為城郊區(qū)域。直接對影像進(jìn)行線段提取,可獲得7875條線段。經(jīng)過優(yōu)化后變?yōu)?504條線段,其中優(yōu)化線段為150條,錯誤線段為3條,耗時為67.5 s。由于線段檢測結(jié)果數(shù)量較大,為了清晰展示線段提取及優(yōu)化結(jié)果,如圖7(a)所示對局部影像進(jìn)行放大,可以發(fā)現(xiàn)該區(qū)域為小區(qū)門口,存在較多線狀信息。同時也可以看到,受到邊緣模糊化的影像,道路邊緣線段明顯出現(xiàn)了斷裂。采用如圖7(b)所示的幾何約束優(yōu)化,可以看到道路線已經(jīng)被連接起來,但出現(xiàn)了過連接問題,最突出的就是小區(qū)門口已經(jīng)被道路線連接,并且小區(qū)內(nèi)的線段也存在過連接問題。如圖7(c)所示,本文在幾何約束的基礎(chǔ)上引入紋理約束,可以看到由于過連接線段不滿足封閉性,故兩條白色線段的過連接問題已被處理,由此說明本文紋理約束的必要性,也驗證了幾何與紋理相結(jié)合優(yōu)化線段算法的可靠性。

        3.2.2 試驗2

        圖8所示為遼寧省葫蘆島市某農(nóng)村的Pleiades光學(xué)高分辨衛(wèi)星遙感影像,空間分辨率為0.5 m,影像大小為632×679像素,覆蓋區(qū)域內(nèi)包含平房、道路等線狀信息,利用線段提取算法可檢測到1675條線段。如圖8(a)線段提取結(jié)果放大圖顯示,道路受到兩側(cè)樹木陰影遮擋的影響,存在斷裂現(xiàn)象。如圖8(b)所示為本文算法線段優(yōu)化結(jié)果。對放大圖白色優(yōu)化線段分析后可以發(fā)現(xiàn),由陰影遮擋所導(dǎo)致的線段斷裂問題也已解決。同時對比文獻(xiàn)[21]算法中的優(yōu)化結(jié)果,可以看到建筑物白色線存在過連接問題,同時由于遮擋所導(dǎo)致的線段斷裂問題也未解決。對比如圖8(d)結(jié)果可以明顯發(fā)現(xiàn),文獻(xiàn)[22]算法優(yōu)化線段與邊緣吻合度非常高,但遮擋導(dǎo)致的線段斷裂問題基本沒有解決。

        3.2.3 試驗3

        圖9所示為澳大利亞某地區(qū)的GeoEye-1影像,空間分辨率為0.5 m,影像大小為1024×1024像素,覆蓋區(qū)域為城區(qū)。在圖9(a)線段提取結(jié)果局部放大圖中,受到邊緣鋸齒化影響,道路邊緣提取線段結(jié)果存在交叉的現(xiàn)象。如圖9(b)所示,利用本文算法能夠基本解決鋸齒化問題,并且線段優(yōu)化結(jié)果基本符合人工視覺。而圖9(c)利用文獻(xiàn)[21]算法,優(yōu)化后的部分線段存在較大的位置偏差,這說明該算法對于線段間紋理約束的分析不足,因而降低了優(yōu)化線段結(jié)果的精度。同樣對比圖9(d),可以看到文獻(xiàn)[22]算法對于邊緣鋸齒化問題處理能力不足,因而道路線斷裂問題依然存在。

        圖7 線段優(yōu)化過程Fig.7 Process diagram of line segment optimization

        圖8 Pleiades影像線段優(yōu)化效果Fig.8 Line segment optimization results for Pleiades image

        圖9 GeoEye-1影像線段優(yōu)化效果Fig.9 Line segment optimization results for Pleiades image

        基于城市、農(nóng)村及城郊不同實際場景,采用不同類型的高分辨率遙感影像數(shù)據(jù),通過對比可以明顯看到本文算法具有解決線段斷裂問題的能力。由于優(yōu)化后不同算法線段數(shù)量并不一致,全部分析線段并不反映本文算法解決遮擋、模糊化、鋸齒化問題的能力,因此本文僅選取符合一定條件的線段進(jìn)行優(yōu)化。這是由于實際遍歷初始優(yōu)化線段和最終形成優(yōu)化線段的數(shù)量比例通常為5∶1,大量線段不需要進(jìn)行優(yōu)化處理。例如圖8需要優(yōu)化90條線段,但實際初始優(yōu)化線段需要461條。因此從提供算法效率的方面考慮,本文根據(jù)不同的影像選擇不同數(shù)量的優(yōu)化線段。如表1所示,通過對比本文與文獻(xiàn)[21]算法優(yōu)化線段提取精度,可以看到本文算法優(yōu)化精度(95.7%)明顯高于文獻(xiàn)[21]算法(82.1%),低于文獻(xiàn)[22]算法。但文獻(xiàn)[22]算法對于鋸齒化、模糊化、遮擋問題解決能力不足,雖然精度很高但優(yōu)化線段平均長度很低,無法將斷裂線段連接起來,難以滿足實際場景遙感影像處理需求,這從優(yōu)化后線段總長度和平均長度可以清楚看出。同時對比不同算法的運行耗時,可以看到本文算法低于文獻(xiàn)[21]算法。這是由于本文算法加入更多的紋理約束條件,降低了算法的速度,另外也說明本文算法需要進(jìn)一步提高效率。

        表1 不同算法線段優(yōu)化結(jié)果

        Tab.1 Line segment optimization results by different algorithms

        項目本文算法文獻(xiàn)[21]算法文獻(xiàn)[22]算法圖8圖9圖8圖9圖8圖9優(yōu)化線段/條9010090100169264優(yōu)化錯誤線段/條26132100優(yōu)化后線段總數(shù)量/條141747931396475212782350優(yōu)化后線段總長度/萬像素2.948.552.958.572.154.07優(yōu)化后線段平均長度/像素20.7517.8421.1318.0316.8217.66耗時/s13.9033.032.6610.5531.18143.35

        4 結(jié) 論

        本文針對線段斷裂問題,將線段視為同一地物的輪廓表達(dá),由此提出了一種線段優(yōu)化算法,并通過不同場景、不同類型影像、不同線段斷裂類型的試驗,驗證了本文算法的有效性。相對于其他算法,本文算法具有以下創(chuàng)新之處:

        (1) 確定了遮擋、邊緣模糊化和鋸齒化是導(dǎo)致線段斷裂的主要因素。在此基礎(chǔ)上,揭示了線段斷裂規(guī)律,并給出了斷裂線段幾何與紋理特征。

        (2) 建立幾何約束模型。設(shè)定跟蹤矩形,以確定線段優(yōu)化的幾何范圍。建立位置與拓?fù)浼s束分析模型,以從幾何上確定斷裂線段。

        (3) 建立紋理約束模型,將匹配算法引入共區(qū)域性和閉合性分析,避免了線段優(yōu)化過程中的過提取問題。

        (4) 動態(tài)化線段優(yōu)化模型的構(gòu)建。通過動態(tài)化的線段優(yōu)化過程,解決初始優(yōu)化線段不完全符合整體線狀邊緣的角度修正問題。

        不足之處在于目前本文算法僅能處理小幅遮擋問題。如何進(jìn)一步處理更大幅度遮擋問題,同時提高本文算法效率,尚有待于進(jìn)一步研究。

        猜你喜歡
        端點紋理線段
        非特征端點條件下PM函數(shù)的迭代根
        畫出線段圖來比較
        基于BM3D的復(fù)雜紋理區(qū)域圖像去噪
        軟件(2020年3期)2020-04-20 01:45:18
        不等式求解過程中端點的確定
        怎樣畫線段圖
        我們一起數(shù)線段
        使用紋理疊加添加藝術(shù)畫特效
        數(shù)線段
        TEXTURE ON TEXTURE質(zhì)地上的紋理
        Coco薇(2017年8期)2017-08-03 15:23:38
        參數(shù)型Marcinkiewicz積分算子及其交換子的加權(quán)端點估計
        麻豆91免费视频| 无码免费无线观看在线视| 91精品福利一区二区三区| 熟女中文字幕一区二区三区| 肉体裸交137日本大胆摄影| 少妇内射视频播放舔大片| 久久亚洲av成人无码软件| 日本午夜a级理论片在线播放| 亚洲youwu永久无码精品| 99精品一区二区三区无码吞精| 2022Av天堂在线无码| 国产大全一区二区三区| 国产av剧情一区二区三区| 麻豆影视视频高清在线观看| 欧美人与动人物牲交免费观看| 久久中国国产Av秘 入口| 日本丰满少妇高潮呻吟| 蜜臀av在线一区二区尤物| 99热在线观看| 久久精品久久久久观看99水蜜桃| 爆乳午夜福利视频精品| 手机在线免费观看av不卡网站| 精品国产第一国产综合精品| 人妻无码人妻有码中文字幕| 久久久精品国产视频在线| 日韩一区二区三区久久精品| 午夜福利一区二区三区在线观看| 国产亚洲欧美日韩综合一区在线观看| 亚洲一区二区三区在线更新| 国产精选自拍视频网站| 亚洲一本到无码av中文字幕| 北岛玲中文字幕人妻系列| 丝袜av乱码字幕三级人妻| 日本19禁啪啪吃奶大尺度| 波多野结衣一区| 在线观看国产av一区二区| 少妇被又大又粗又爽毛片久久黑人| 精品爆乳一区二区三区无码av| 欧美xxxxx精品| 亚洲蜜臀av一区二区三区| 成人免费毛片aaaaaa片|