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

        ?

        基于改進(jìn)Live-Wire算法的無人機(jī)遙感影像標(biāo)注

        2021-10-08 03:26:44崔紅霞陳麗君趙昊罡
        計(jì)算機(jī)測量與控制 2021年9期
        關(guān)鍵詞:方法

        崔紅霞,陳麗君,趙昊罡

        (渤海大學(xué) 信息科學(xué)與技術(shù)學(xué)院,遼寧 錦州 121010)

        0 引言

        隨著人工智能技術(shù)的發(fā)展,深度學(xué)習(xí)在遙感影像自動(dòng)解譯領(lǐng)域的應(yīng)用發(fā)展迅速。在深度學(xué)習(xí)算法中,大量的訓(xùn)練數(shù)據(jù)標(biāo)注是其得到最優(yōu)檢測模型的保證。目前,遙感數(shù)據(jù)標(biāo)注方法主要分為兩類[1]:一類是基于人工交互的數(shù)據(jù)標(biāo)注,主要利用離線和在線標(biāo)注工具。另一類是自動(dòng)數(shù)據(jù)標(biāo)注方法,如張鋼等人[2]提出一種基于多示例多標(biāo)簽學(xué)習(xí)的圖像自動(dòng)標(biāo)注框架,在此基礎(chǔ)上提出一種基于貝葉斯學(xué)習(xí)的多示例多標(biāo)簽稀疏集成算法.

        顯然,自動(dòng)標(biāo)注方法仍然依賴于一部分人工標(biāo)注的數(shù)據(jù)集,人工標(biāo)注在深度學(xué)習(xí)的領(lǐng)域仍然是必不可少的環(huán)節(jié)。目前,應(yīng)用廣泛的在線或者離線交互標(biāo)注工具,labelme[3]以及l(fā)abelimg[4],以用戶交互圖像分割的方式,將一張圖片中的目標(biāo)物體分割出來,即用戶通過點(diǎn)擊設(shè)置一些前景和背景的標(biāo)注點(diǎn),生成包含目標(biāo)區(qū)域的多邊形頂點(diǎn),適用于邊界規(guī)則的目標(biāo)輪廓提取和標(biāo)注;但對(duì)于遙感影像非規(guī)則自然地物目標(biāo)區(qū)域,人機(jī)交互圖像分割存在工作量大,輪廓定位不準(zhǔn)確的難題。

        目前,人機(jī)交互的圖像分割算法分為兩大類,一類是主動(dòng)輪廓模型方法[5-9],使用戶提供的初始輪廓沿能量降低的方向迭代演化到理想的目標(biāo)輪廓上,完成圖像分割,這類算法需要給出初始的輪廓,但對(duì)于特別復(fù)雜目標(biāo)迭代的分割結(jié)果往往不能達(dá)到要求;另一類為基于動(dòng)態(tài)規(guī)劃圖搜索算法[10-11],圖搜索算法不通過迭代初始輪廓降低能量的方式,而是通過分步優(yōu)化能量函數(shù)獲得邊界,需要在全圖范圍內(nèi)尋找優(yōu)化的邊界。Live-wire算法是一種經(jīng)典的動(dòng)態(tài)規(guī)劃圖搜索算法,由Eric N.Mortensen[12]等人提出,廣泛地應(yīng)用在圖像分割[13]中。文獻(xiàn)[14]研究基于BSP和動(dòng)態(tài)規(guī)劃的大規(guī)模空域扇區(qū)劃分的方法,該文將二叉空間分割算法結(jié)合動(dòng)態(tài)規(guī)劃方法,通過階段動(dòng)態(tài)搜索的二叉空間分割算法,保證結(jié)果的最優(yōu)性。文獻(xiàn)[15]研究的帶浮動(dòng)錨的Live-Wire交互式分段技術(shù),通過基于特定圖元設(shè)計(jì)4種新穎的Live-Wire交互來嘗試這種新的靈活性:繪畫,捏,概率和拾取錨,分析這種方法的計(jì)算方面,并提供了可行的解決方案來減少時(shí)間復(fù)雜度。

        對(duì)于輪廓比較平滑、信噪比高的目標(biāo),文獻(xiàn)[16-17]的方法可以獲得比較好的效果,但無人機(jī)遙感影像信噪比低、自然地物邊界復(fù)雜且不規(guī)則,傳統(tǒng)的Live-wire算法往往不能準(zhǔn)確地定位地物邊界。本文將交互式Live-wire算法[18]引入深度學(xué)習(xí)的樣本標(biāo)注,通過改進(jìn)Pal-King[19-21]模糊邊緣檢測方法以及優(yōu)化Live-wire算法代價(jià)函數(shù)的方法以提高地物邊界的跟蹤精度和效率,并通過大量樣本的標(biāo)注實(shí)驗(yàn)驗(yàn)證本文的算法。

        1 傳統(tǒng)live-wire的人機(jī)交互圖像分割方法

        傳統(tǒng)Live-Wire算法是將整個(gè)圖像看成一個(gè)加權(quán)有向圖[22],圖像中每個(gè)像素為圖的一個(gè)節(jié)點(diǎn),并且每個(gè)節(jié)點(diǎn)都被賦予不同代價(jià)值,相鄰像素之間有一條加權(quán)有向邊,在邊上定義一個(gè)代價(jià)函數(shù),然后通過圖搜索算法結(jié)合動(dòng)態(tài)規(guī)劃,找連通圖[23]中兩點(diǎn)之間的最短路徑,兩點(diǎn)之間的最短路徑當(dāng)作物體的邊界。其關(guān)鍵在于代價(jià)函數(shù)的建立和最短路徑的生成。

        1.1 代價(jià)函數(shù)的建立

        代價(jià)函數(shù)的計(jì)算方法有多種,由于圖像最短路徑的代價(jià)與邊緣特征有密切關(guān)系,邊緣特征越顯著的像素點(diǎn),代價(jià)越低,使得最短路徑的路線越容易貼合待標(biāo)注區(qū)域的輪廓邊緣。因此,局部代價(jià)函數(shù) 通常由邊緣特征構(gòu)造,如公式(1)所示:

        L(p,q)=wZfZ(q)+wGfG(q)+wDfD(p,q)

        (1)

        其中:p為q的8鄰域內(nèi)的相鄰點(diǎn),fZ(q)為拉普拉斯交叉零點(diǎn)值、fG(q)為像素點(diǎn)梯度值、fD(p,q)為像素點(diǎn)梯度方向,wZ,wG,wD為權(quán)值,根據(jù)文獻(xiàn)[12]所提出的方法,將其分別設(shè)置為0.43,0.43,0,14:

        拉普拉斯交叉零點(diǎn)代價(jià)值fZ(q)如公式(2)所示:

        (2)

        其中:IL(q)是圖像像素點(diǎn)q的拉普拉斯值,圖像的拉普拉斯二階零交叉點(diǎn)對(duì)應(yīng)最大(最小)的梯度幅值,代表邊緣特性并且它有較低的局部代價(jià)值。

        像素點(diǎn)梯度值:

        令I(lǐng)x,Iy分別表示x,y方向的梯度,則梯度幅值G如公式(3)所示:梯度幅值越大,邊緣點(diǎn)特征越明顯,路徑代價(jià)越低,令fG如公式(4)所示:

        (3)

        (4)

        像素點(diǎn)梯度方向代價(jià):

        梯度方向代價(jià)函數(shù)起到邊緣平滑作用,邊界變化劇烈處將設(shè)置較高代價(jià),如公式(5)所:

        (5)

        令:dp(p,q)=D′(p)·L(p,q);dq(p,q)=D′(q)·L(p,q)

        D′(p)=(Iy(p),-Ix(p));D′(q)=(Iy(q),-Ix(q))

        1.2 最短路徑方法

        傳統(tǒng)Live-wire 算法結(jié)合人機(jī)交互[24],確定開始種子點(diǎn),最后利用數(shù)據(jù)結(jié)構(gòu)中的Dijkstra最短路徑算法,計(jì)算出圖像中8鄰域內(nèi)所有像素點(diǎn)到種子點(diǎn)seed point的最小代價(jià)路徑并確定下一個(gè)邊緣種子點(diǎn);人機(jī)交互更換種子點(diǎn),重新進(jìn)行最小代價(jià)路徑的計(jì)算,多次重復(fù)以上步驟,自動(dòng)提取目標(biāo)區(qū)域輪廓線;。由于最短路徑的代價(jià)與邊緣特征有密切關(guān)系,邊緣特征越顯著的像素點(diǎn),代價(jià)越低,目標(biāo)輪廓邊緣越精確。利用Dijkstra 算法[25-26]進(jìn)行最小代價(jià)路徑搜索的流程圖如圖1所示。

        圖1 Dijkstra 算法流程圖

        2 改進(jìn)的Live-wire地物輪廓提取方法

        傳統(tǒng)的Live-wire 方法代價(jià)函數(shù)涵蓋了邊緣點(diǎn)特征、邊緣點(diǎn)梯度幅值的特征、節(jié)點(diǎn)之間梯度方向的變化特征[27-28]。受飛行平臺(tái)復(fù)雜運(yùn)動(dòng)、光照條件的影響,無人機(jī)遙感圖像的邊緣質(zhì)量下降。傳統(tǒng)的拉普拉斯算子[29]用作此類圖像的邊緣檢測時(shí),容易導(dǎo)致邊緣不連續(xù)以及假性邊緣,抗噪性較差[30]。本文改進(jìn)模糊邊緣檢測[31]方法并替代Live-Wire算法中的拉普拉斯交叉零點(diǎn)邊緣提??;另一方面通過增加節(jié)點(diǎn)之間梯度幅值的變化特征優(yōu)化代價(jià)函數(shù),提高算法的抗噪性能并平滑邊界。

        2.1 基于改進(jìn)PAL-King算法的邊緣提取

        Pal和King提出的模糊邊緣,即Pal算法[19-20]是基于模糊理論的模糊邊緣檢測算法。其主要思想是通過模糊屬度函數(shù)將圖像映射到模糊空間,利用模糊空間的增強(qiáng)運(yùn)算,提高影像邊緣附近像素灰度的對(duì)比度,再利用逆變換實(shí)現(xiàn)模糊特征空間到圖像空間域的轉(zhuǎn)換,在空間域內(nèi)僅需通過簡單的“min”或“max”算子實(shí)現(xiàn)邊緣提取。為克服傳統(tǒng)Pal算法隸屬度函數(shù)復(fù)雜且原圖像中相當(dāng)多的灰度值被切削的問題,以及隸屬度函數(shù)中的參數(shù)設(shè)置沒有理論指導(dǎo)規(guī)則,隨機(jī)性大等問題,本文改進(jìn)了傳統(tǒng)的Pal-King模糊邊緣檢測法,具體算法步驟如下:

        1)定義新的隸屬度函數(shù):

        (6)

        其中:xmin≤xij≤xmax,xmin為最小灰度級(jí);xmax為最大灰度級(jí);令Pij=F(xij),Pij為模糊隸屬度值;Fe>2。顯然,整幅圖像的隸屬度值域?yàn)閇0,1]彌補(bǔ)了Pal King 算法值域?yàn)?a,1](a>0)[30-31]導(dǎo)致低灰度值被硬性切削的問題。

        2)融合Otsu算法的模糊空間增強(qiáng)方法:

        傳統(tǒng)的Pal-King算法將模糊空間的分割閾值(渡越值)設(shè)定為0.5,小于0.5的模糊隸屬度被壓縮,大于0.5的模糊隸屬度被拉伸,以實(shí)現(xiàn)模糊空間的非線性增強(qiáng)。為克服傳統(tǒng)Pal-King固定分割閾值帶來的隨機(jī)增強(qiáng)誤差,本文以O(shè)tsu算法獲取圖像空間域的最佳分割閾值xe,并計(jì)算模糊空間的渡越值Pe=F(xe);進(jìn)一步定義模糊增強(qiáng)算子如式(7):

        (7)

        其中:若0≤Pij≤Pe,則a=1,b=0;若Pe

        職業(yè)素質(zhì)教育是系統(tǒng)全面的教育,不僅包括職業(yè)知識(shí)、技能教育,還包括職業(yè)道德、職業(yè)行為、職業(yè)作風(fēng)和職業(yè)意識(shí)等方面的教育。作為一名護(hù)理教師,首先要通過自身穩(wěn)定的專業(yè)思想去感染、引導(dǎo)學(xué)生,鞏固學(xué)生專業(yè)思想,因?yàn)閷W(xué)生牢固的專業(yè)思想是穩(wěn)定護(hù)理隊(duì)伍、發(fā)展護(hù)理事業(yè)的重要保證[1]。其次要發(fā)揮自身形象示范作用,樹立良好的護(hù)士職業(yè)形象。護(hù)理教師的形象示范作用主要表現(xiàn)在儀表、面部表情、動(dòng)作姿態(tài)等方面。教師高雅得體的舉止、對(duì)護(hù)理工作的興趣和熱愛,會(huì)使學(xué)生感到可信、可親,進(jìn)而仿效學(xué)習(xí),還可以讓護(hù)生以最佳心境參與學(xué)習(xí)[2]。

        利用式(8)進(jìn)行迭代運(yùn)算:

        (8)

        一般r取3。

        (9)

        4)結(jié)合梯度雙閾值法[32],提取模糊增強(qiáng)后的圖像邊緣特征,替代公式(1)的代價(jià)函數(shù)的第一項(xiàng):如式(10)所示,令low,high為通過灰度直方圖統(tǒng)計(jì)方法自動(dòng)獲取的低閾值以及高閾值,tq為當(dāng)前點(diǎn)的梯度值,tp當(dāng)前點(diǎn)8鄰域內(nèi)任意像素點(diǎn)梯度值。

        fZ(q)=1,tq>high||tp>high;fZ(q)=0,iftq

        (10)

        綜上,通過改進(jìn)模糊邊緣檢測方法并替代Live-Wire算法中的拉普拉斯交叉零點(diǎn)邊緣提取,抑制傳統(tǒng)的拉普拉斯算子[23]遙感圖像邊緣特征提取的不足。

        2.2 優(yōu)化的代價(jià)函數(shù)

        設(shè)優(yōu)化后的代價(jià)函數(shù)為:

        L'(p,q)=wZfZ(q)+wGfG(q)+wDfD(p,q)+wTfT(p,q)

        (11)

        其中:wZ,wG,wD,wT根據(jù)文獻(xiàn)[12]設(shè)為0.35,0.35,0.15,0.15。

        fZ(q)、fG(q)、fD(p,q)分別如公式(10)、(4)、(5)所示,分別描述拉普拉斯交叉零點(diǎn)值、像素點(diǎn)梯度值、像素點(diǎn)梯度方向。為了進(jìn)一步抑制邊緣提取的不連續(xù)性并提高邊緣提取的平滑性,通過增加梯度變化特征改進(jìn)代價(jià)函數(shù)。

        本文令fT(p,q)表示節(jié)點(diǎn)p、q之間的梯度幅值變化特征,q節(jié)點(diǎn)為p節(jié)點(diǎn)鄰域內(nèi)像素點(diǎn),如果節(jié)點(diǎn)p、q的梯度幅值變化越劇烈,fT(p,q)較小,路徑代價(jià)越小,反之較大。本文提出的fT(p,q)如公式(12)所示:

        fT(p,q)=1-1/e|Gp-Gq|

        (12)

        其中:G(p),G(q)分別為p點(diǎn)和q點(diǎn)的梯度幅值,分別為公式(13):

        (13)

        3 實(shí)驗(yàn)結(jié)果與分析

        以400幅 512*512像素?zé)o人機(jī)遙感影像的地物標(biāo)注(每類地物100幅)為例。標(biāo)簽標(biāo)注工具labelme、傳統(tǒng)Live-Wire方法和本文所述方法分別定義為方法I、II、III;利用3種方法分別進(jìn)行無人機(jī)遙感影像裸露地、建筑物、水體、農(nóng)作物4類復(fù)雜典型地物的標(biāo)注。如圖3~6所示,Label標(biāo)注工具通過多邊形逼近曲線,地物提取的精度和效率完全依賴于構(gòu)造輪廓多邊形的人工操作。傳統(tǒng)Live-Wire方法則利用拉普拉斯地物邊緣提取算法、傳統(tǒng)代價(jià)函數(shù)、最小路徑跟蹤方法人機(jī)交互提取地物的輪廓,在邊緣符合度以及效率上都優(yōu)于標(biāo)注工具,但基于Live-wire算法的標(biāo)注需要較多的人工交互、存在邊緣不完全、斷點(diǎn)以及欠平滑的鋸齒情況。對(duì)比傳統(tǒng)Live-wire算法,應(yīng)用改進(jìn)的Live-wire算法的輪廓提取的邊緣平滑且鋸齒現(xiàn)象大量減小,輪廓提取的自動(dòng)化程精度和效率更高。

        為定量評(píng)價(jià)樣本標(biāo)注的穩(wěn)健性和效率,分別利用方法II和方法III重復(fù)提取(n次)400幅地物的封閉輪廓,計(jì)算每類地物標(biāo)注面積的中誤差,如表1所示:傳統(tǒng)的Live-wire算法自動(dòng)化程度低、其標(biāo)注受人為選取的特征點(diǎn)的影響大、穩(wěn)健性較差。本文改進(jìn)的方法的樣本標(biāo)注的穩(wěn)健性、自動(dòng)化程度更高。假如有n次觀測提取,則標(biāo)注算法的中誤差可按式(14)計(jì)算。

        表1 方法II和方法III樣本標(biāo)注穩(wěn)健性分析

        (14)

        直觀的從標(biāo)注圖像可以看出,如圖2所示,改進(jìn)后邊緣更加連續(xù)、完整,噪聲[33]影響減少改進(jìn)后的邊緣更加平滑,鋸齒現(xiàn)象減少。用改進(jìn)的Live-Wire算法完成輪廓提取,沿著順時(shí)針方向構(gòu)建輪廓邊界點(diǎn)序列,結(jié)合曲線積分區(qū)域填充算法[23,34],以不同色(根據(jù)分類選擇)填充區(qū)域,完成目標(biāo)標(biāo)注。

        圖2 傳統(tǒng)代價(jià)函數(shù)與優(yōu)化代價(jià)函數(shù)的標(biāo)注

        圖3 裸露地樣本局部標(biāo)注對(duì)比

        圖4 筑物樣本局部標(biāo)注對(duì)比

        圖5 水體樣本局部標(biāo)注對(duì)比

        圖6 耕地樣本局部標(biāo)注對(duì)比

        4 結(jié)束語

        標(biāo)簽的制作是深度學(xué)習(xí)中訓(xùn)練學(xué)習(xí)模型的關(guān)鍵步驟,針對(duì)高分辨率航空影像地物復(fù)雜、紋理豐富、背景噪聲以及密度大、且可能存在模糊的邊緣特性的特點(diǎn),改進(jìn)已有的Live-wire半自動(dòng)輪廓提取算法,提高其邊緣提取的連續(xù)性、抗噪性和平滑性。首先,通過改進(jìn)模糊隸屬度函數(shù)克服了Pal-King隸屬函數(shù)可能的灰度覆蓋空間不足的缺陷并結(jié)合雙閾值方法實(shí)現(xiàn)邊緣點(diǎn)的提取,以改進(jìn)的Pal-King的模糊邊緣檢測方法替代Live-Wire算法的拉普拉斯邊緣提取方法。其次,通過增加節(jié)點(diǎn)之間梯度幅值的變化特征優(yōu)化代價(jià)函數(shù),以提高Live-Wire算法的輪廓跟蹤的連續(xù)性。對(duì)比實(shí)驗(yàn)證明,本文所述的方法(稱為方法III)傳統(tǒng)的Live-Wire方法(稱為方法II)的輪廓跟蹤的邊緣貼合度和自動(dòng)化程度都優(yōu)于傳統(tǒng)的標(biāo)注工具(Labelme、LabelImg)。但本文所述方法的穩(wěn)健性和自動(dòng)化程度優(yōu)于傳統(tǒng)的Live-Wire輪廓提取和跟蹤方法。利用該方法,項(xiàng)目組正在進(jìn)行無人機(jī)低空遙感影像海量樣本集和樣本標(biāo)注工作的研究。

        猜你喜歡
        方法
        中醫(yī)特有的急救方法
        中老年保健(2021年9期)2021-08-24 03:52:04
        高中數(shù)學(xué)教學(xué)改革的方法
        化學(xué)反應(yīng)多變幻 “虛擬”方法幫大忙
        變快的方法
        兒童繪本(2020年5期)2020-04-07 17:46:30
        學(xué)習(xí)方法
        可能是方法不對(duì)
        用對(duì)方法才能瘦
        Coco薇(2016年2期)2016-03-22 02:42:52
        最有效的簡單方法
        山東青年(2016年1期)2016-02-28 14:25:23
        四大方法 教你不再“坐以待病”!
        Coco薇(2015年1期)2015-08-13 02:47:34
        賺錢方法
        日韩精品中文字幕无码一区| 粗一硬一长一进一爽一a视频| 99久久精品人妻一区二区三区| 中文字幕色资源在线视频| 在线观看国产成人自拍视频| av中文字幕潮喷人妻系列| 亚洲暴爽av天天爽日日碰| 国产欧美久久久精品影院| 黄片国产一区二区三区| 国产办公室秘书无码精品99| 亚洲欧美一区二区三区| 午夜影院91| 日本一区二区三区四区在线看| 国产自拍在线观看视频| 窝窝午夜看片| 另类欧美亚洲| 亚洲熟女一区二区三区不卡| 亚洲a无码综合a国产av中文| 久久久www成人免费毛片| 粗一硬一长一进一爽一a级| 手机在线中文字幕国产| 日韩精品一区二区三区乱码| 日本高清视频xxxxx| 午夜三级网| 日本高清一区在线你懂得| 日本丰满老妇bbw| 成人小说亚洲一区二区三区| 久久久精品2019免费观看| 人妻一区二区三区在线看| 久久影院午夜理论片无码| 亚洲乱码日产精品bd| 麻豆国产成人AV网| 国产精品一区av在线| 精品国产一二三产品区别在哪 | av手机在线天堂网| 日本成人午夜一区二区三区| 人人妻人人爽人人澡欧美一区| 中文字幕AⅤ人妻一区二区 | 911国产在线观看精品| 亚洲av色av成人噜噜噜| 欧美亚洲熟妇一区二区三区|