CN108428235A - 彩色地形图中线要素分割方法 - Google Patents
彩色地形图中线要素分割方法 Download PDFInfo
- Publication number
- CN108428235A CN108428235A CN201810121380.2A CN201810121380A CN108428235A CN 108428235 A CN108428235 A CN 108428235A CN 201810121380 A CN201810121380 A CN 201810121380A CN 108428235 A CN108428235 A CN 108428235A
- Authority
- CN
- China
- Prior art keywords
- color regions
- color
- regions
- solid color
- solid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种彩色地形图中线要素分割方法,该方法提出色彩混乱程度的概念,并根据色彩混乱程度将所有的线要素都划分为具有一定区域大小的纯色区域和混合色区域;然后利用线要素的色彩信息,对纯色区域进行基于高斯核模糊聚类算法进行分割;而对于混合色区域,则依据其与已分类后的纯色区域之间的空间关系来确定相应混合色区域的隶属关系,以得到最终的分割结果。试验结果表明本发明的方法具有与传统方法相比具有较高的分割效率和分割准确率。
Description
技术领域
本发明涉及一种彩色地形图中线要素分割方法。
背景技术
地形图中的线要素是地理信息系统中重点关注的地理信息之一,线要素的自动提取能够在很大程度上提高地形图数字化的效率。彩色地形图是一种特殊的信息载体,对彩色地形图进行图像分割,即将具有不同属性的地理要素分割到相应的分版图像中,为不同地理要素的识别提供准确的数据,进而较大程度上提高地形图数字化的效率。但地形图中地理要素种类繁多,且纵横交错,有时还存在相互覆盖的情况。此外,由于纸质彩色地形图长时间的存放,可能造成地形图颜色发生变化;或者在扫描的过程中,由于操作员的技术程度、扫描仪的性能等客观原因,造成扫描后地形图图像中含有大量的渐变色、过渡色和杂色等。这些因素都给彩色地形图的图像分割带来不利影响。因此对于扫描质量一般的彩色地形图,目前的分割算法难以得到令人满意的效果。
目前多数的地形图图像分割算法都是将地形图看作为像素点集合,并利用像素的颜色和空间信息逐点处理。较少考虑要素的区域性特征,即像素之间的相互关系与相互影响,因此基于像素的分类算法易受多种因素的影响,其分类结果往往是“椒盐”图像,即分割后线要素连续性差,并且存在较多的空洞。
针对地形图中线要素分割问题,现有的地形图图像分割方法包括面向对象的扫描地形图自动分层算法,算法以线要素为处理对象.该算法相对于传统的以像素为处理对象的分割算法,其分割效果明显改善。但是该算法中利用阈值来分离线要素和背景要素,适用性差;并以整条线要素的中心线的平均色彩信息代表整条线段的色彩特征,特性信息具有片面性;导致该算法难以准确处理复杂情况下线要素的分割。现有的地形图图像分割方法还包括线要素分割方法,但其不适用于污染严重的短线段。基于区域增长的线要素分割算法,该算法已经具有利用区域性特征进行线要素分割的思想,但没有针对色彩较为混乱的区域(特别是节点区域)进行特殊处理,也没有充分利用不同区域之间的空间信息。导致在分割结果中线要素在交叉点(节点)处存在较多断裂的情况。
发明内容
针对上述现有技术中存在的问题,本发明的目的在于,提供一种彩色地形图中线要素分割方法,能够高效且准确地实现对线要素的分割。
为了实现上述目的,本发明采用如下技术方案:
一种彩色地形图中线要素分割方法,包括以下步骤:
步骤1,提取彩色地形图中的线要素的骨架线,以骨架线上的每个像素点为圆心,以线要素的宽度为直径作圆,将线要素划分为多个圆形区域;
步骤2,计算每个圆形区域的区域色彩混乱程度ER,采用的公式如下:
ER(Ij)=-∑P(hji)log2P(hji)
其中,hji是表示第j个圆形区域Ij内第i种色彩,P(hji)表示圆形区域Ij中色彩hji出现的概率;ER(Ij)表示圆形区域Ij的区域色彩混乱程度;
步骤3,若圆形区域的区域色彩混乱程度ER小于或者等于设定阈值T,则该圆形区域为纯色区域RP;否则,该圆形区域为混合色区域RM;
步骤4,对步骤3中得到所有的纯色区域RP进行归类,将属于同一颜色的纯色区域划分为一类,并对划分为一类的纯色区域设置标签;
步骤5,步骤3中得到的所有的混合色区域RM中,连接在一起的骨架线像素点形成骨架线段,骨架线段所在的混合色区域形成混合色区域组在混合色区域组的两个端点的八邻域范围内搜索与端点连接的纯色区域的标签,若未搜索到标签,则该混合色区域组为孤立的混合色区域组,即该混合色区域组周边不连接任一类纯色区域,即需要进行人工交互处理;
若混合色区域组只有一个端点连接一类纯色区域,该类纯色区域的类别标签为L1,那么
若混合色区域组两个端点连接同一类纯色区域,该类纯色区域的类别标签为L1,那么
若混合色区域组两个端点连接两个或者多个不同类纯色区域,多个不同类纯色区域的类别标签分别为L1、L2、…、LQ,那么
可选地,所述步骤4中的对步骤3中得到所有的纯色区域RP进行归类,将属于同一颜色的纯色区域划分为一类,具体包括以下步骤:
步骤4.1,计算纯色区域的色彩特征CR,采用的公式如下:
其中,CF表示纯色区域内非骨架线上的像素点pF的色彩信息,F∈{1,2,...,nO},nO为纯色区域内非骨架线上的像素点的个数;CG表示纯色区域内骨架线上的像素点lG的色彩信息,G∈{1,2,...,mO},mO为纯色区域内骨架线上的像素点的个数;
ωFl为非骨架线上的像素点pF的权重,采用如下公式表示:
其中,DFl为非骨架线上的像素点pF到纯色区域内骨架线的最小欧式距离,且DFl=min(||pF-lG||)(G=1,2,...mO);
步骤4.2,针对步骤4.1得到的各个纯色区域的色彩特征,采用基于马氏距离的FCM算法进行处理,将属于同一颜色的纯色区域划分为一类。
与现有技术相比,本发明具有以下技术效果:本发明提出色彩混乱程度的概念,并根据色彩混乱程度将所有的线要素都划分为具有一定区域大小的纯色区域和混合色区域;然后利用线要素的色彩信息,对纯色区域进行分割;而对于混合色区域,则依据其与已分类后的纯色区域之间的空间关系来确定相应混合色区域的隶属关系,以得到最终的分割结果。试验结果表明本发明的方法与传统方法相比具有较高的分割效率和分割准确率。
下面结合附图和具体实施方式对本发明的方案作进一步详细地解释和说明。
附图说明
图1是本发明的方法流程图;
图2是彩色地形图中线要素上区域特征示意图;其中,(a)为正确纯色区域,(b)为受污染的错误纯色区域,(c)受背景污染的混合色区域,(d)线交叉的混合色区域;
图3是骨架线示意图;
图4是线要素及其圆形区域划分示意图,其中,(a)为一个圆形区域示意图;(b)为多个圆形区域示意图;
图5是混合色区域和混合色区域组的示意图;其中,(a)表示混合色区域的示意图,(b)表示混合色区域组的示意图;
图6是混合色区域组的分割示意图;其中,(a)表示混合色区域组周边不连接任一纯色区域的分割示意图;(b)表示混合色区域组只有一端连接一个已分割的纯色区域的分割示意图;(c)表示若混合色区域组两端连接同一个已分割的纯色区域的分割示意图;(d)表示混合色区域组两端连接两个甚至多个不同的已分割的纯色区域的分割示意图;
图7是三幅具有不同尺寸大小的原始地形图;其中,(a)表示地形图A,(b)表示地形图B,(c)表示地形图C。
图8是针对地形图A采用不同方法得到线要素分割结果图;其中,(a1)表示手工提取的地形图A的棕版图,(a2)表示采用方法1得到的棕版图,(a3)采用方法2得到的棕版图,(a4)表示采用本发明的方法得到的棕版图,(b1)表示手工提取的地形图A的黑版图,(b2)表示采用方法1得到的黑版图,(b3)表示采用方法2得到的黑版图,(b4)表示采用本发明的方法得到的黑版图,(c1)表示手工提取的地形图A的蓝版图,(c2)表示采用方法1得到的蓝版图,(c3)表示采用方法2得到的蓝版图,(c4)表示采用本发明的方法得到的蓝版图。
图9是针对地形图B采用不同方法得到的棕版图;其中,(a)表示手工提取的地形图B的棕版图(b)采用方法1得到的棕版图,(c)采用方法2得到的棕版图,(d)表示采用本发明的方法得到的棕版图。
图10是针对地形图C采用不同方法得到的棕版图;其中,(a)表示手工提取的地形图C的棕版图(b)采用方法1得到的棕版图,(c)用方法2得到的棕版图及其细节图,(d)表示采用本发明的方法得到的棕版图及其细节图。
具体实施方式
本发明提供一种彩色地形图中线要素分割方法,该方法用于对彩色地形图中的线要素进行分割,也就是将彩色地形图按照不同颜色进行分割。彩色地形图中地理要素分布错综复杂,要素之间穿插覆盖,导致线要素上各区域的色彩并非纯正和纹理平滑,而是复杂多变。一般情况下,线要素主要存在以下四种不同类型的区别:正确纯色区域,如图2(a)所示,受污染的错误纯色区域,如图2(b)所示,受背景污染的混合色区域,如图2(c)所示,线交叉的混合色区域,如图2(d)所示。
由于线要素上区域特征的复杂性,导致传统的基于单像素,或面向完整线段的分割方法难以得到准确的分割结果。为此,本发明提供一种彩色地形图中线要素的分割方法,其利用线要素上不同区域的色彩特征和区域之间的空间关系进行线要素的分割,参见图1,具体包括以下步骤:
步骤1,提取彩色地形图中的线要素的骨架线,以骨架线上的每个像素点为圆心,以线要素的宽度为直径作圆,将线要素划分为多个圆形区域。
骨架线如图3所示,骨架线l上的第j个像素点用lj(xj,yj)(j=1,2,...,m)表示,其中,m表示骨架线上像素点的个数,线要素的宽度为d,第j个像素点对应的圆形区域用Ij表示。将每个像素点对应的圆形区域内包含的线要素上的像素组合为一个整体以作为后续对线要素分割的最小处理单位,如图4(a)所示。由于骨架线基本保持了线要素原有的行政特征,因此可以从l1(x1,y1)开始沿骨架线对线要素进行线段跟踪,得到组成线要素的一系列的圆形区域,如图4(b)所示。在本实施例中,线要素的宽度为5个像素点。
步骤2,计算每个圆形区域的区域色彩混乱程度ER,采用的公式如下:
ER(Ij)=-∑P(hji)log2P(hji) (1)
其中,hji是表示第j个圆形区域Ij内第i种色彩,P(hji)表示圆形区域Ij中色彩hji出现的概率。ER(Ij)表示圆形区域Ij的区域色彩混乱程度,其用于表示在具有一定面积的区域内色彩分布的复杂程度。
步骤3,若圆形区域的区域色彩混乱程度ER小于等于设定阈值T,则该圆形区域为纯色区域RP;否则,该圆形区域为混合色区域RM。T是一个经验值,通过统计大量的信息得到,本实施例中,T=4.0。
纯色区域内色彩种类较为单一,变化度小;而混合色区域色彩种类繁多,变化频繁。
步骤4,对步骤3中得到所有的纯色区域RP进行归类,将属于同一颜色的纯色区域划分为一类,并对划分为一类的纯色区域设置标签;
步骤5,步骤3中得到的所有的混合色区域RM中,连接在一起的骨架线像素点形成骨架线段,骨架线段所在的混合色区域形成混合色区域组如图5所示。其中(a)中的RM,1,RM,2,RM,3,RM,4分别表示不同的混合色区域。
在混合色区域组的两个端点的八邻域范围内搜索与端点连接的已分割的纯色区域的标签,若未搜索到标签,则该混合色区域组为孤立的混合色区域组,即该混合色区域组周边不连接任一类纯色区域,参见图6(a),即需要进行人工交互处理,即采用人眼观察其属于哪种颜色。
若混合色区域组只有一个端点连接一类纯色区域,该类纯色区域的类别标签为L1,如图6(b)所示;那么其中,类别标签指的是该纯色区域所属颜色类别。
若混合色区域组两个端点连接同一类纯色区域,该类纯色区域的类别标签为L1,如图6(c)所示;那么
若混合色区域组两个端点连接两个或者多个不同类纯色区域,多个不同类纯色区域的类别标签分别为L1、L2、…、LQ,Q为不同类纯色区域的类别总数,如图6(d)所示;那么
最终,将所有的混合色区域RM进行了分割,得到最终的分割版图。
在此步骤中,本发明综合考虑与混合色区域组相邻的已分割后的纯色区域的隶属关系进行分割处理。混合色区域组较多情况下是线要素相互交叉重叠的区域。因此,对该混合色区域组进行分割时,不能单纯的将某一个混合色区域组划分为某一类,而是应该根据具体情况,将其划分为某一类或者某几类。
具体地,在又一实施例中,步骤4中的对步骤3中得到所有的纯色区域RP进行归类,将属于同一颜色的纯色区域划分为一类,具体包括以下步骤:
步骤4.1,计算纯色区域的色彩特征CR,采用的公式如下:
其中,CF表示纯色区域内非骨架线上的像素点pF的色彩信息(Lab色彩空间),F∈{1,2,...,nO},nO为纯色区域内非骨架线上的像素点的个数;CG表示纯色区域内骨架线上的像素点lG的色彩信息,G∈{1,2,...,mO},mO为纯色区域内骨架线上的像素点的个数;
ωFl为非骨架线上的像素点pF的权重,用于表示纯色区域内非骨架线上的像素点pF对整个区域的影响程度,采用如下公式表示:
其中,DFl为非骨架线上的像素点pF到纯色区域内骨架线的最小欧式距离,且DFl=min(||pF-lG||)(G=1,2,...mO)。
步骤4.2,针对步骤4.1得到的各个纯色区域的色彩特征,采用基于马氏距离的FCM算法进行处理,将属于同一颜色的纯色区域划分为一类。
可选地,上述实施例中的对纯色区域进行分割的方法可采用基于高斯核函数的模糊聚类方法,同样能够得到初始分割版图。
实施例
为验证本发明方法的有效性,本发明使用三幅具有不同尺寸大小的原始地形图作为实验测试图像,如图7所示;并利用基于像素色彩信息进行地形图分割的GK算法(方法1)和基于完整线段的色彩信息进行地形图线要素分割方法(方法2)作为对比实验。对于各算法的实验结果,分别进行主观评价和客观评价。由于在地形图的线要素中,等高线是地理信息系统中最为关注的地理信息,因此,对于具有大尺寸的地形图B和地形图C,只给出了等高线的分割结果图。
从实验结果图可以看出:基于像素色彩信息的GK算法得到的分割结果效果最差。主要表现在以下几个方面:①分割结果中存在较多的椒盐噪声,如图8(b2),图9(b)和图10(b),这主要是由于地形图受到污染后,线要素上含有较多的杂色像素;②分割后不同版图中的线段存在较多的断裂,主要是由于传统分割算法都是单归属的分类策略,从而导致在线要素交叉的地方存在较多的断裂。与之相比,Liu’smethod的性能具有较大提高。在他的算法得到的结果中,几乎不含有椒盐噪声,线要素分割较为准确,并且线要素连续性较好。但是该方法对少数线要素分割不准确,特别是对较多的节点信息没有进行很好的处理,导致线要素在节点处存在较多的断裂,如图8(c3),图9(c)和图10(c)所示。然而,本文提出算法能够较好地解决这些问题。本发明的方法采用基于区域的分割算法,是以区域为单位,使得在结果图像中,几乎不含椒盐噪声。另一方面,本发明将线要素划分为纯色和混合色两种不同类型的区域,并且分别进行处理,这样不仅提高了线要素的分割准确率,同时还能对节点信息进行了较好的处理,减少了线要素在节点处的断裂,使得分割后的线要素更连续,如图8(a4),图8(c4),图9(d)和图10(d)所示。
综上,本发明提出色彩混乱程度的概念,并根据色彩混乱程度将所有的线要素都划分为具有一定区域大小的纯色区域和混合色区域;然后利用线要素的色彩信息,对纯色区域进行分割;而对于混合色区域,则依据其与已分类后的纯色区域之间的空间关系来确定相应混合色区域的隶属关系,以得到最终的分割结果。试验结果表明本发明的方法与传统方法相比具有较高的效率和分割准确率。
Claims (2)
1.一种彩色地形图中线要素分割方法,其特征在于,包括以下步骤:
步骤1,提取彩色地形图中的线要素的骨架线,以骨架线上的每个像素点为圆心,以线要素的宽度为直径作圆,将线要素划分为多个圆形区域;
步骤2,计算每个圆形区域的区域色彩混乱程度ER,采用的公式如下:
ER(Ij)=-∑P(hji)log2P(hji)
其中,hji是表示第j个圆形区域Ij内第i种色彩,P(hji)表示圆形区域Ij中色彩hji出现的概率;ER(Ij)表示圆形区域Ij的区域色彩混乱程度;
步骤3,若圆形区域的区域色彩混乱程度ER小于或者等于设定阈值T,则该圆形区域为纯色区域RP;否则,该圆形区域为混合色区域RM;
步骤4,对步骤3中得到所有的纯色区域RP进行归类,将属于同一颜色的纯色区域划分为一类,并对划分为一类的纯色区域设置标签;
步骤5,步骤3中得到的所有的混合色区域RM中,连接在一起的骨架线像素点形成骨架线段,骨架线段所在的混合色区域形成混合色区域组在混合色区域组的两个端点的八邻域范围内搜索与端点连接的纯色区域的标签,若未搜索到标签,则该混合色区域组为孤立的混合色区域组,即该混合色区域组周边不连接任一类纯色区域,即需要进行人工交互处理;
若混合色区域组只有一个端点连接一类纯色区域,该类纯色区域的类别标签为L1,那么
若混合色区域组两个端点连接同一类纯色区域,该类纯色区域的类别标签为L1,那么
若混合色区域组两个端点连接两个或者多个不同类纯色区域,多个不同类纯色区域的类别标签分别为L1、L2、…、LQ,那么
2.如权利要求1所述的彩色地形图中线要素分割方法,其特征在于,所述步骤4中的对步骤3中得到所有的纯色区域RP进行归类,将属于同一颜色的纯色区域划分为一类,具体包括以下步骤:
步骤4.1,计算纯色区域的色彩特征CR,采用的公式如下:
其中,CF表示纯色区域内非骨架线上的像素点pF的色彩信息,F∈{1,2,...,nO},nO为纯色区域内非骨架线上的像素点的个数;CG表示纯色区域内骨架线上的像素点lG的色彩信息,G∈{1,2,...,mO},mO为纯色区域内骨架线上的像素点的个数;
ωFl为非骨架线上的像素点pF的权重,采用如下公式表示:
其中,DFl为非骨架线上的像素点pF到纯色区域内骨架线的最小欧式距离,且DFl=min(||pF-lG||)(G=1,2,...mO);
步骤4.2,针对步骤4.1得到的各个纯色区域的色彩特征,采用基于马氏距离的FCM算法进行处理,将属于同一颜色的纯色区域划分为一类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810121380.2A CN108428235B (zh) | 2018-02-07 | 2018-02-07 | 彩色地形图中线要素分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810121380.2A CN108428235B (zh) | 2018-02-07 | 2018-02-07 | 彩色地形图中线要素分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108428235A true CN108428235A (zh) | 2018-08-21 |
CN108428235B CN108428235B (zh) | 2021-08-27 |
Family
ID=63156774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810121380.2A Expired - Fee Related CN108428235B (zh) | 2018-02-07 | 2018-02-07 | 彩色地形图中线要素分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108428235B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324955A (zh) * | 2008-06-02 | 2008-12-17 | 昆明理工大学 | 基于颜色特征的植物根系图像分割方法 |
US20090257650A1 (en) * | 2008-04-14 | 2009-10-15 | Samsung Electronics Co., Ltd. | Image processing method and medium to extract a building region from an image |
CN101840577A (zh) * | 2010-06-11 | 2010-09-22 | 西安电子科技大学 | 基于图切割的图像自动分割方法 |
CN102629386A (zh) * | 2012-03-28 | 2012-08-08 | 浙江大学 | 一种彩色纺织纹理图像的区域分割方法 |
CN103065333A (zh) * | 2012-12-11 | 2013-04-24 | 华中科技大学 | 一种基于四元数的彩色snake图像分割方法 |
CN103824283A (zh) * | 2014-01-22 | 2014-05-28 | 西安电子科技大学 | 基于随机概率采样与多级融合的大幅面地形图分割方法 |
CN105931295A (zh) * | 2016-07-13 | 2016-09-07 | 中国地质大学(北京) | 一种地质图专题信息提取方法 |
CN107358635A (zh) * | 2017-07-19 | 2017-11-17 | 辽宁工程技术大学 | 一种基于模糊相似性的彩色形态学图像处理方法 |
CN107610148A (zh) * | 2017-09-19 | 2018-01-19 | 电子科技大学 | 一种基于双目立体视觉系统的前景分割方法 |
-
2018
- 2018-02-07 CN CN201810121380.2A patent/CN108428235B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090257650A1 (en) * | 2008-04-14 | 2009-10-15 | Samsung Electronics Co., Ltd. | Image processing method and medium to extract a building region from an image |
CN101324955A (zh) * | 2008-06-02 | 2008-12-17 | 昆明理工大学 | 基于颜色特征的植物根系图像分割方法 |
CN101840577A (zh) * | 2010-06-11 | 2010-09-22 | 西安电子科技大学 | 基于图切割的图像自动分割方法 |
CN102629386A (zh) * | 2012-03-28 | 2012-08-08 | 浙江大学 | 一种彩色纺织纹理图像的区域分割方法 |
CN103065333A (zh) * | 2012-12-11 | 2013-04-24 | 华中科技大学 | 一种基于四元数的彩色snake图像分割方法 |
CN103824283A (zh) * | 2014-01-22 | 2014-05-28 | 西安电子科技大学 | 基于随机概率采样与多级融合的大幅面地形图分割方法 |
CN105931295A (zh) * | 2016-07-13 | 2016-09-07 | 中国地质大学(北京) | 一种地质图专题信息提取方法 |
CN107358635A (zh) * | 2017-07-19 | 2017-11-17 | 辽宁工程技术大学 | 一种基于模糊相似性的彩色形态学图像处理方法 |
CN107610148A (zh) * | 2017-09-19 | 2018-01-19 | 电子科技大学 | 一种基于双目立体视觉系统的前景分割方法 |
Non-Patent Citations (4)
Title |
---|
TIANGE LIU等: "A contour-line color layer separation algorithm based on fuzzy clustering and region growing", 《COMPUTERS & GEOSCIENCES》 * |
TIANGE LIU等: "Color topographical map segmentation Algorithm based on linear element features", 《MULTIMEDIA TOOLS AND APPLICATIONS》 * |
尹月琴: "基于Guided Filter的地形图中线要素提取算法", 《传感器与微系统》 * |
郭玲等: "彩色地图线状要素识别系统的设计与实现", 《系统仿真学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108428235B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214420A (zh) | 基于视觉显著性检测的高纹理图像分类方法及系统 | |
CN101122999B (zh) | 一种自动提取中国书画作品中印章图像的方法 | |
CN103971126B (zh) | 一种交通标志识别方法和装置 | |
CN105005764B (zh) | 自然场景多方向文本检测方法 | |
CN107610141A (zh) | 一种基于深度学习的遥感图像语义分割方法 | |
CN108629286B (zh) | 一种基于主观感知显著模型的遥感机场目标检测方法 | |
CN106611420B (zh) | 基于反卷积网络和素描图方向约束的sar图像分割方法 | |
CN106651872A (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN104463138B (zh) | 基于视觉结构属性的文本定位方法及系统 | |
CN107784657A (zh) | 一种基于颜色空间分类的无人机遥感图像分割方法 | |
CN101211356A (zh) | 一种基于显著区域的图像查询方法 | |
CN107622247A (zh) | 一种快递运单的定位与提取方法 | |
CN106503638B (zh) | 用于颜色识别的图像处理、车辆颜色识别方法和系统 | |
CN107563413A (zh) | 无人机航拍影像农田块对象精准提取方法 | |
CN105957124B (zh) | 具有重复场景元素的自然图像颜色编辑方法及装置 | |
CN106897681A (zh) | 一种遥感图像对比分析方法及系统 | |
CN107341813A (zh) | 基于结构学习和素描特性推理网络的sar图像分割方法 | |
Herrault et al. | Automatic extraction of forests from historical maps based on unsupervised classification in the CIELab color space | |
CN106845542A (zh) | 基于dsp的纸币冠字号智能识别方法 | |
CN108549901A (zh) | 一种基于深度学习的快速迭代目标检测方法 | |
CN108492294A (zh) | 一种图像色彩和谐程度的评估方法及装置 | |
CN109389167A (zh) | 交通标志识别方法及系统 | |
CN108829711A (zh) | 一种基于多特征融合的图像检索方法 | |
CN108335290A (zh) | 一种基于liop特征与块匹配的图像区域复制篡改检测方法 | |
CN107067037A (zh) | 一种使用llc准则定位图像前景的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210827 Termination date: 20220207 |
|
CF01 | Termination of patent right due to non-payment of annual fee |