2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩5頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、基于多重分形廣義維數(shù)的基于多重分形廣義維數(shù)的SAR圖像邊緣檢測圖像邊緣檢測合成孔徑雷達(SyntheticApertureRadar,SAR)圖像由于受到許多因素的影響,使其成像條件非常復(fù)雜,從而導(dǎo)致對其進行邊緣檢測也非常復(fù)雜。近年來,對SAR圖像邊緣檢測的方法層出不窮。為了有效地檢測SAR圖像邊緣,需要研究有針對性的新的算法。自從MelbrotB.引進了分形集合和維數(shù)的概念和分析方法[12],分形就已經(jīng)在很多領(lǐng)域變得非常的有用,并且很

2、多實驗結(jié)果是非常理想的。但是一般的分形分析不能描述分形集合的更多細節(jié),因此,HalseyT.C.etal在1986年引進了多重分形的概念和分形方法[3]。分形分析已被劃分出許多理論研究和應(yīng)用研究領(lǐng)域。近幾年,多重分形在圖像分析方面顯示了巨大的優(yōu)點。鑒于此,本文應(yīng)用多重分形的廣義維數(shù)理論進行邊緣檢測。在文獻[4]中,采用了一些傳統(tǒng)的邊緣檢測算子,如Robert梯度算子、Sobel梯度算子,它們是通過構(gòu)造對像素灰度級階變化敏感的微分算子來進

3、行邊緣檢測的,雖然能檢測出圖像的邊緣信息,但效果不好,丟失了一些重要信息。文獻[5]采用的是基于分形理論的邊緣檢測方法,利用圖像區(qū)域的DFBR場模型假設(shè)及H參數(shù)的估算方法檢測邊緣,其檢測結(jié)果忽略了許多信息,也不是很理想。文獻[6]采用的是基于多重分形的奇異性指數(shù)和多重分形譜的邊緣檢測方法,該方法利用多重分形對圖像進行邊緣檢測,通過計算多重分形數(shù)Dq可以衡量圖像內(nèi)多重分形的復(fù)雜程度,可以表征多分形的非均衡性和奇異性。這種方法對噪聲比較敏感

4、,為了彌補這個缺點,通過定義下面幾個測度來修正。設(shè)Ω是灰度為非零的一個區(qū)域,f(X)(X=(x,y))是點X處的灰度,則定義如下的幾種測度:⑵⑶其中,(x,y)∈Ω,μsum(Ω)代表Ω中某些像素的灰度和,max(f(x,y))代表Ω中像素的灰度的最大化值,min(f(x,y))代表Ω中像素的灰度的最小化值?;诙嘀胤中螐V義維數(shù)分形的圖像邊緣提取算法步驟總結(jié)如下。⑴計算像素的質(zhì)量指數(shù)。定義V(i)為ii的方形區(qū)域,其中心像素為I(x,y

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論