針對(duì)紅外圖像中的云檢測(cè)問題,采用了一種分形維數(shù)+紋理特征的檢測(cè)方法。通過計(jì)算紅外圖像的平均分形維數(shù),并根據(jù)閾值正確預(yù)判圖像是復(fù)雜地形還是云區(qū)域,解決了無云圖中的云的分類錯(cuò)誤問題。通過構(gòu)造局部云圖像的灰度共生矩陣,得到反映圖像紋理特征的四個(gè)二次統(tǒng)計(jì)特征,云區(qū)域和無云區(qū)域在四維特征上具有明顯的區(qū)分度,根據(jù)該特征訓(xùn)練的非線性SVM分類器能夠有效地區(qū)分云區(qū)域和無云區(qū)域。通過分形維數(shù)預(yù)判以及由統(tǒng)計(jì)特征訓(xùn)練的SVM分類器,可實(shí)現(xiàn)云區(qū)域的精確檢測(cè)與標(biāo)記。上述方法對(duì)仿真、真實(shí)紅外圖像進(jìn)行了驗(yàn)證,具有實(shí)用性,準(zhǔn)確率有較大提高。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1樣本分形維數(shù)分布

戈壁、沙漠等復(fù)雜地形在紅外圖像中存在一定的自相似特性,而分形維數(shù)能夠很好的描述這種自相似特性。選取90個(gè)亮云樣本的云圖、90個(gè)暗云樣本的云圖和90個(gè)復(fù)雜地形(無云)樣本圖,并將樣本分成三類。將每個(gè)樣本分成4個(gè)子塊,計(jì)算每個(gè)子塊的分形維數(shù),然后取平均值,做出樣本的平均分形維數(shù)分布圖....

圖2云樣本與背景樣本的二次統(tǒng)計(jì)特征分布

對(duì)厚亮云、薄亮云和厚暗云三種類型的云圖提取了640個(gè)云區(qū)域樣本和640個(gè)無云區(qū)域樣本,大小為32×32。對(duì)兩類樣本分別構(gòu)造其灰度共生矩陣,按照式(1)—式(4)計(jì)算每類樣本的四個(gè)統(tǒng)計(jì)特征。其中,像素對(duì)的方向分別選擇為0度、45度、90度、135度,像素對(duì)的距離均選擇為1個(gè)像素間距....

圖3算法流程

上文提到,云區(qū)域與無云區(qū)域在灰度共生矩陣的4個(gè)統(tǒng)計(jì)特征上具有明顯的可分性,可以構(gòu)造一個(gè)四維特征向量,在特征空間中,通過核方法映射的非線性支持向量機(jī)可以實(shí)現(xiàn)對(duì)云區(qū)域的檢測(cè)。具體的檢測(cè)算法步驟如下:

圖4仿真云檢測(cè)結(jié)果

文中所用實(shí)驗(yàn)樣本為640×512分辨率,8位深度的灰度圖像,針對(duì)部分仿真的云圖結(jié)果見圖4所示。圖4仿真云檢測(cè)結(jié)果

本文編號(hào)：3995765