论文部分内容阅读
近年来,航拍技术已成为获取地面信息,特别是道路信息的主要手段之一。然而由于雾霾天气发生频率逐年增加,使得在雾霾天气下,采集到的航拍图像中的道路目标很难被清晰的显示出来,从而严重影响后期的目标识别与提取工作。本文主要针对由雾霾天气造成的航拍图像模糊不清、低对比度和色彩暗淡等问题,就道路目标提取相关算法展开了深入的研究。本文的研究内容包括对雾霾天采集到的低质量航拍图像进行底层处理和道路目标提取两个部分,其中底层处理是道路提取的基础,而道路提取又是底层处理的目的,两者缺一不可,相辅相成,构成一个有机的整体。文中的对低质量航拍图像的底层处理包括去雾和边缘增强两个步骤;道路目标提取算法研究也包括两个部分,一种是针对常规的低质量航拍图像道路目标检测,另一种是针对具有山脊特性的道路信息提取。主要完成的工作及取得的成果有:1、在对图像去雾的相关理论、尤其是Retinex算法的研究和分析基础上,研究了一种基于景深信息改进的变化尺度的Retinex算法。具体处理方法是将Retinex算法与图像的传播图相结合,根据图像中的景深信息在不同的区域采用不同尺度的高斯滤波函数来对图像进行处理。通过大量的实验分析对比,采用亮度均值、标准差和平均梯度这个三个参数对结果进行客观评价,表明改进的算法能够有效地改善图像的质量。处理后的图像清晰,色彩自然,去雾效果好。尤其避免了常规Retinex算法使用一个全局估计量来对图像进行去雾处理时,由于照度不均匀(雾霾的浓度不均匀),或者背景颜色亮度很高而造成的结果失真等缺陷,为后续的目标提取工作打下良好的基础。2、为了实现对雾霾天(低质量)航拍图像边缘及纹理的增强,使图像的细节信息更加清晰,从而引入了分数阶微分算子,通过对Tiansi算子原理及特点的分析研究,对其进行了改进,提出的新算子模板中每个像素的系数按其距离检测点的长短来确定,同时模板中的每个像素权值都不为零,且大小根据邻域点与中心点的距离及分数阶微分结果技术展开式中的项数系数来确定。该新算子可以更好地增强图像的边缘和纹理信息,同时保证图像的亮度不产生大幅度变化,而且可以抑制噪声的影响。增强效果的客观评价标准主要采用的是图像信息熵以及图像直方图,通过实验对比分析改进后的模板对图像增强的结果,可以表明该算法具有良好的处理效果。3、对雾霾天采集到的低质量航拍图像进行去雾和边缘增强处理之后,研究了一种结合K均值聚类和最小生成树的道路目标提取算法。改进的算法采用K均值聚类算法对其进行初始聚类,然后使用最小生成树算法实现对图像中的道路目标提取。针对低质量航拍图像具有的特殊性,即噪声较多、光照不均以及边界细小微弱难以检测,该算法将K均值聚类与图论算法相结合,在一定程度上减少了图论最小生成树算法过度分割的缺点。然后用骨架提取、毛刺消除和断线连接等相关后处理方法对道路信息进一步优化处理,可以有效消除噪声的影响,克服光照不均、阴影等缺点,准确地将低质量航拍图像中的道路提取出来。在选取图像连续性、置信度和量化度这三个参数的基础之上,对实验结果进行客观评价,表明该算法可以很好地将图像的全局信息和局部信息结合在一起,相对于其它算法能够取得更好的提取效果。4、针对低质量航拍图像中具有山脊特性的道路目标,研究了一种改进的山脊边缘检测算法实现道路目标的提取。与一般的边界扫描算子不同之处在于,文中改进的算法是基于三到四个点的短线条检测,而不是基于点检测,从而确保了检测出的边界为具有山脊边界特性的道路,提高检测的精确度。通过实验将该算法与常规算法进行了比较,结果表明,该方法针对具有山脊特征的道路目标提取具有良好的效果,在抗噪性和检测精度这个两个矛盾之间达到一定的平衡。