航空遥感图像边缘检测技术及其应用 目录

前言1 绪论1．1 遥感基本概念1．1．1 遥感的定义1．1．2 遥感的分类1．2 遥感信息获取1．2．1 遥感平台1．2．2 遥感传感器1．2．3 航空遥感成像方式1．2．4 航空遥感获取信息的特点1．3 航空遥感图像边缘检测的意义1．4 航空遥感图像边缘检测的国内外研究现状2 航空遥感图像边缘检测基本原理与技术2．1 边缘检测基本原理2．2 边缘检测相关技术2．2．1 非封闭边缘检测算法2．2．2 封闭边缘检测算法3 基于传统边缘检测流程的航空遥感图像非封闭边缘检测技术3．1 引言3．2 基于动态分块阈值去噪和改进的GDNI边缘连接的边缘检测算法．3．2．1 算法描述3．2．2 算法流程图3．2．3 候选边缘点的确定3．2．4 动态分块阈值去噪3．2．5 改进的GDNI的边缘连接算法3．2．6 MATLAB仿真实验结果与分析3．3 基于纹理特征差异的边缘检测算法3．3．1 航空输电线图像纹理特征分析3．3．2 SWIFTS算法描述3．3．3 SWIFTS算法流程图3．3．4 SWIFTS窗口宽度β的确定3．3．5 MATLAB仿真实验结果与分析3．4 基于纹理特征和r分布的边缘检测算法3．4．1 TGA算法描述3．4．2 TGA算法流程图3．4．3 TGA算法中新参数ε的理论作用分析3．4．4 MATLAB仿真实验结果与分析4 基于区域特征的航空遥感图像封闭边缘检测技术4．1 引言4．2 Chan-Vese边缘检测模型4．2．1 Chan-Ves的理论模型4．2．2 Chan-Vese模型的水平集能量*小化4．2．3 MATLAB仿真实验结果与分析4．3 区域可扩展的变分水平集边缘检测模型（RsF）4．3．1 区域可扩展数据拟合模型的定义4．3．2 区域可扩展拟合的边缘检测能量模型的水平集定义4．3．3 基于梯度下降法的能量*小化4．3．4 MATLAB仿真实验结果与分析4．4 基于claan的全局*小化主动轮廓边缘检测模型（GMAC）4．4．1 Chan-Vese能量模型求全局极小解问题的转化4．4．2 Chan-Vese能量模型的全局极小解的数字化实现4．4．3 MATLAB仿真实验结果与分析4．4．4 Chan—Vese模型、RSF模型和GMAC模型这三种基于区域的主动轮廓模型的性能分析4．5 基于变分对偶规则和区域可扩展拟合的全局*小化主动轮廓边缘检测模型4．5．1 全局主动轮廓框架下的区域可扩展边缘检测模型RSF—GAC的定义4．5．2 能量模型求全局极小解问题的转化4．5．3 基于加权全变分对偶规则的快速能量*小化4．5．4 MATLAB仿真实验结果与分析5 基于灰度不均匀性特征的航空遥感图像封闭边缘检测技术5．1 引言5．2 灰度不匀均性特征纠正的边缘检测算法5．3 基于灰度不均匀性特征纠正的边缘检测新模型的构造5．3．1 基于局部高斯拟合和灰度不均匀性纠正的边缘检测数学模型5．3．2 引入边缘梯度特征构造的边缘检测新模型LGF-IHc5．3．3 LGF-IHC模型的凸性转化5．3．4 基于加权全变分对偶规则的快速能量*小化5．3．5 MATLAB仿真实验结果与分析6 基于PCA优化纹理特征的航空遥感图像封闭边缘检测技术6．1 引言6．2 图像纹理特征提取的分类6．2．1 基于统计的纹理特征提取6．2．2 基于结构的纹理特征提取6．2．3 基于信号的纹理特征提取6．2．4 基于模型的纹理特征提取6．3 基于PCA的纹理特征优化6．4 基于PCA—GMTD模型的航空遥感图像边缘检测模型6．4．1 PCA—GMTD边缘检测模型的来源6．4．2 PCA—GMTD边缘检测模型的定义6．4．3 能量模型*小化求解6．4．4 MATLAB仿真实验结果与分析7 基于纹理特征分布的航空遥感图像封闭边缘检测技术7．1 引言7．2 半局部纹理特征及其分布7．3 基于STD-GMAC模型的航空遥感图像边缘检测模型7．3．1 STD-GMAC边缘检测模型的来源7．3．2 STD-GMAc边缘检测模型的定义7．3．3 STD-GMAc边缘检测模型的快速求解7．3．4 MATLAB仿真实验结果与分析参考文献附录Rec和Var的GLCIA实现

航空遥感图像边缘检测技术及其应用 内容简介

景雨、吴庆岗、安居白、刘建鑫编著的《航空遥感图像边缘检测技术及其应用》以作者近年来在遥感图像边缘检测技术方面的研究成果为主线，结合国内外相关发展动态，系统全面地介绍遥感图像边缘检测技术的基本理论和近年来的新方法、新成果。本书围绕遥感图像边缘检测过程中存在的几个重要问题，重点阐述基于传统边缘检测流程的非封闭边缘检测技术和基于几何主动轮廓模型的封闭边缘检测技术，同时介绍遥感图像边缘检测技术在海上溢油灾害预警和航空输电线故障诊断等领域中的典型应用。本书内容新颖、结构合理、实用性强，可供遥感技术与应用、模式识别、图像处理等相关专业的研究人员、工程技术人员、高校教师、研究生等参考阅读。