CN107564024B - 基于单侧聚集线段的sar图像聚集区域提取方法 - Google Patents

基于单侧聚集线段的sar图像聚集区域提取方法 Download PDF

Info

Publication number
CN107564024B
CN107564024B CN201710667722.6A CN201710667722A CN107564024B CN 107564024 B CN107564024 B CN 107564024B CN 201710667722 A CN201710667722 A CN 201710667722A CN 107564024 B CN107564024 B CN 107564024B
Authority
CN
China
Prior art keywords
line segment
polygon
line
line segments
boundary
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.)
Active
Application number
CN201710667722.6A
Other languages
English (en)
Other versions
CN107564024A (zh
Inventor
刘芳
李婷婷
朱晓东
焦李成
古晶
陈璞花
郝红侠
马文萍
马晶晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201710667722.6A priority Critical patent/CN107564024B/zh
Publication of CN107564024A publication Critical patent/CN107564024A/zh
Application granted granted Critical
Publication of CN107564024B publication Critical patent/CN107564024B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种基于单侧聚集线段的SAR图像聚集区域提取方法。主要解决基于圆形算子获取聚集区域的方法不仅边界出现弧状而且速度慢的问题。其实现步骤为：1.在聚集线段集合中，根据线段的拓扑关系找到能够产生边界的单侧聚集线段，并将其加入到边界线段集合中；2.根据边界线段集合中线段个数不同的情况生成直线，形成封闭的初始多边形区域；3.在聚集线段集合中，根据线段端点和初始多边形区域的空间位置关系，寻找满足条件的线段端点，加入多边形中，逐步向内逼近，获得形状为多边形的聚集区域。本发明实现了对SAR图像聚集区域的准确快速的提取，可用于SAR图像语义分割和目标识别。

Description

基于单侧聚集线段的SAR图像聚集区域提取方法
技术领域
本发明属于图像处理技术领域，特别涉及SAR图像聚集区域提取方法，可用于SAR图像语义分割和目标识别。
背景技术
合成孔径雷达SAR是遥感技术领域的重要方向，用来获取地球表面的高分辨图像。与其他类型的成像技术相比，SAR成像技术有着非常重要的优势，它不受云层、降雨或者大雾等大气条件以及光照强度的影响，能够全天时、全天候地获取高分辨遥感数据。SAR图像的解译技术对于军事、农业、地理等许多领域具有重要指导意义。SAR图像分割是SAR图像解译的关键问题之一，也是SAR图像解译的基础和前提，受到各国研究者的广泛关注，成为研究的热点。但SAR图像由于本身的成像机制造成图像上有相干斑噪声、阴影、迎陂缩短和图像的地物形状发生改变等问题，使得SAR图像的解译非常困难。以Sketch Map为基础的SAR图像聚集区域的提取是根据SAR图像的素描模型对地物信息的稀疏表示的结果，以素描线段为基元的聚集区域获取方法对于快速获取图像的聚集区域非常重要。
Marr提出的视觉计算理论是计算机视觉研究中的一个重要成果，朱松纯等人在Marr理论的基础上，给出了Marr提出的初始素描的具体数学模型初始素描模型。结合初始素描图的线段的空间位置关系，建立在语义层面上的图像分析，获得图像的聚集区域，结合聚集区域获取SAR图像上的聚集地物，达到在语义层面上对图像分割的目的。
以Sketch Map为基础的SAR图像分割方法是建立在聚集区域的提取上的，聚集区域的提取是SAR图像分割过程中一个重要的环节，聚集区域提取的好坏直接影响到图像分割的最终效果。基于Sketch Map和语义信息分类的SAR图像分割中提出的利用圆心算子提取聚集区域避免了在SAR图像上用基于像素或超像素的无监督SAR图像分割方法无法合并像素或超像素构成连通区域的难题，具体是利用圆心算子在一个由种子线段生成的聚集线段集合中经过膨胀和腐蚀操作进行聚集区域的提取，但是这种聚集区域的提取方法不仅速度慢，聚集区域的边界出现弧状，导致聚集区域的边界不准确，不符合实际的地物形状，而且圆心算子没有以素描线段为基元进行聚集区域的提取，导致聚集区域的提取速度较慢。
发明内容
本发明的目的在于针对圆心算子对图像进行聚集区域提取的不足，提出一种基于单侧聚集线段的SAR图像聚集区域提取方法，以避免聚集区域的边界出现弧状，提高聚集区域边界的准确性，加快对聚集区域的提取速度。
为实现上述目的，本发明的技术方案包括如下：
(1)用所有的聚集线段集合构成线段集合S＝{S1,S2,...,Si,...,SN}，用所有的边界线段集合构成边界集合I＝{I1,I2,...,Ii,...,IN}，其中Si为第i个聚集线段集合，Ii为第i个边界线段集合，i＝1,2,...,N，N为聚集线段集合的个数；聚集线段集合Si的线段包括单侧聚集线段Sd和双侧聚集线段Ss；Ii的初始为空，聚集线段集合Si对应边界线段集合Ii；
(2)在聚集线段集合Si中，根据线段的拓扑关系找到能够产生边界的单侧聚集线段，即在单侧聚集线段中，判断每个线段是否会成为该聚集线段集合的边界：若是，用这些单侧聚集线段构成边界线段集合Ii，否则，舍弃该线段；
(3)根据边界线段集合Ii中线段的个数和线段的几何位置，判断这些边界线段能否围拢形成封闭的多边形：若能形成封闭的多边形，则记为初始多边形L0，执行步骤(5)；若不能，执行步骤(4)；
(4)在聚集线段集合Si中寻找线段或线段端点，使得该线段或线段端点连接成的直线和边界线段集合Ii形成封闭的多边形，记为初始多边形L0，执行步骤(5)；
(5)根据聚集线段集合Si中线段端点和初始多边形L0的几何位置，选择线段端点加入到初始多边形L0中，并向内逼近形成更小范围的多边形区域L1，使其满足聚集线段集合Si中线段的空间位置仍在该多边形区域L1内，该多边形区域L1为最终的SAR图像的聚集区域。
本发明与现有技术相比具有如下优点：
本发明由于利用Sketch Map的稀疏表示模型中线段的几何位置关系提取SAR图像的聚集区域，相较于现有方法在Sketch Map上利用圆心算子进行聚集区域的获取，不仅提取的聚集区域边界准确、速度快，而且是以素描线段为基元，使得聚集区域的获取在理论的支持下进行，为更高层次的SAR图像语义层提供了坚实的基础。
附图说明
图1是本发明的实现流程图；
图2是本发明中生成的边界直线示意图；
图3是本发明中生成的初始多边形结果图；
图4是本发明中提取聚集区域的结果图；
图5是用本发明与现有方法对PIPERIVER图像聚集区域提取的比对图；
具体实施方式
参照图1，本发明的具体实施步骤如下：
步骤1，在聚集线段集合中，寻找能成为该聚集线段集合边界的线段。
在聚集线段集合中寻找到成为聚集区域边界的线段，这些线段用于围拢形成初始多边形，寻找聚集区域边界线段的步骤如下：
(1.1)用所有的聚集线段集合构成线段集合S＝{S1,S2,...,Si,...,SN}，用所有的边界线段集合构成边界集合I＝{I1,I2,...,Ii,...,IN}，其中Si为第i个聚集线段集合，Ii为第i个边界线段集合，i＝1,2,...,N，N为聚集线段集合的个数；聚集线段集合Si的线段包括单侧聚集线段Sd和双侧聚集线段Ss，聚集线段集合Si的示意图如图2(a)所示，聚集线段集合Si空间上最右侧边界点示意图如图2(c)所示，聚集线段集合Si空间上最右侧直线如图2(d)所示，聚集线段集合Si的真实空间位置如图3(a)所示，聚集线段集合Si最下侧的点的示意图如图3(c)所示，聚集线段集合Si最下侧的直线的示意图如图3(d)所示；Ii的初始为空，聚集线段集合Si对应边界线段集合Ii；
(1.2)建立单侧聚集线段集合
Figure BDA0001372276140000031
的第k个线段
Figure BDA0001372276140000032
的直线方程为
Figure BDA0001372276140000033
其中，
Figure BDA0001372276140000034
是单侧聚集线段集合Sd中第k个线段，k＝1,2,...,|Sd|，|Sd|为单侧聚集线段集合线段的个数；
(1.3)判断单侧聚集线段集合Sd中所有线段的空间位置是否在
Figure BDA0001372276140000041
≤0的区域，若在该区域，则线段
Figure BDA0001372276140000042
为聚集线段集合的边界，若不在该区域，进一步判断单侧聚集线段集合Sd中所有线段的空间位置是否在
Figure BDA0001372276140000043
的区域，若在该区域，则线段
Figure BDA0001372276140000044
为聚集线段集合的边界，若不在该区域，则线段
Figure BDA0001372276140000045
不是聚集线段集合的边界，舍弃线段
Figure BDA0001372276140000046
边界线段示意图如图2(b)所示，边界线段真实空间位置如图3(b)所示。
步骤2，根据边界线段集合中线段个数不同的情况，采用不同的方法生成直线，形成封闭的初始多边形区域。
(2.1)根据边界线段集合Ii中线段的个数和线段的几何位置，判断这些边界线段能否围拢形成封闭的多边形：若能形成封闭的多边形，则形成初始多边形L0，若不能，执行步骤(2.2)；
(2.2)建立聚集线段集合Si在空间上最右侧，左侧，上侧，下侧的四条直线方程分别为
Figure BDA0001372276140000047
其中
Figure BDA0001372276140000048
和
Figure BDA0001372276140000049
的表达式为：
Figure BDA00013722761400000410
Figure BDA00013722761400000411
Figure BDA00013722761400000412
Figure BDA00013722761400000413
式中，
Figure BDA00013722761400000414
是聚集线段集合Si中第j个线段的第一个端点的x轴坐标，
Figure BDA00013722761400000415
是聚集线段集合Si中第j个线段的第二个端点的x轴坐标，
Figure BDA00013722761400000416
是聚集线段集合Si中第j个线段的第一个端点的y轴坐标，
Figure BDA00013722761400000417
是聚集线段集合Si中第j个线段的第二个端点的y轴坐标，j＝1,2,...,|Si|，|Si|为聚集线段集合Si中线段的个数；
(2.3)根据边界线段集合Ii中线段的个数|Ii|选择所述四条直线中的一条或多条直线形成封闭的多边形：
如果|Ii|＝0，则选择
Figure BDA0001372276140000051
这四条直线围拢形成多边形；
如果|Ii|＝1，表示边界线段集合Ii中只有一条线段，则在四条直线中选择第一条直线，根据线段和该直线的交点的位置，从四条直线中再次选择一条或两条直线，围拢形成多边形，具体步骤如下：
(2.31)直接选定第一条直线为
Figure BDA0001372276140000052
线段与该直线的交点为
Figure BDA0001372276140000053
(2.32)根据交点p1的y轴坐标y1从四条直线中选择一条或两条直线：
若
Figure BDA0001372276140000054
则选择直线方程
Figure BDA0001372276140000055
即可围拢形成多边形；
若
Figure BDA0001372276140000056
则选择直线方程
Figure BDA0001372276140000057
围拢形成多边形；
若
Figure BDA0001372276140000058
则选择直线方程
Figure BDA0001372276140000059
即可围拢形成多边形；
如果|Ii|＝2，表示边界线段集合Ii中有两条线段，则根据两条线段的交点，从四条直线中选择一条直线，围拢形成多边形，具体步骤如下：
(2.33)计算两条线段的交点，两条线段相交点为p1＝(x1,y1)，x1,y1必满足
Figure BDA00013722761400000510
Figure BDA00013722761400000511
这四个条件的其中一条；
(2.34)根据交点p1的x轴坐标x1和y轴坐标y1从四条直线中选择一条直线：
若
Figure BDA00013722761400000512
选择直线方程
Figure BDA00013722761400000513
即可围拢形成多边形；
若
Figure BDA00013722761400000514
选择直线方程
Figure BDA00013722761400000515
即可围拢形成多边形；
若
Figure BDA00013722761400000516
选择直线方程
Figure BDA00013722761400000517
即可围拢形成多边形；
若
Figure BDA00013722761400000518
选择直线方程
Figure BDA00013722761400000519
即可围拢形成多边形。
如果|Ii|＝3，表示边界线段集合Ii中有三条线段，则根据三条线段中其中两条线段的交点，从四条直线中选择一条直线，围拢形成多边形，具体步骤如下：
(2.35)计算三条线段的交点，pk＝(xk,yk)，k＝1,2,3，x1,y1必满足
Figure BDA00013722761400000520
Figure BDA00013722761400000521
这四个条件的其中一条；
(2.36)根据交点p1的x轴坐标x1和y轴坐标y1从四条直线中选择一条直线：
若
Figure BDA0001372276140000061
同时满足，则选择直线方程
Figure BDA0001372276140000062
围拢形成多边形；
若
Figure BDA0001372276140000063
同时满足，则三条直线可直接围拢形成多边形；
如果|Ii|≥4，表示边界线段集合Ii中有多条线段，则选择其中三条边界线段，利用|Ii|＝3时的方法围拢形成多边形。
围拢形成的多边形为初始多边形L0如图4(a)所示。
步骤3，在聚集线段集合中寻找满足条件的线段端点，逐步向内逼近，获得形状为多边形的聚集区域。
(3.1)判断聚集线段集合Si中线段的端点在多边形L0内部还是在多边形L0边界上：
若端点在多边形L0内部，则将端点加入集合P，若端点在多边形L0边界上，则不作处理，其中集合P的初始为空，多边形L0表示为{l1,l2,...,lm,...,l|L0|}，lm为多边形L0的第m条线段，m＝1,2,...,|L0|，|L0|为多边形L0边的个数；
(3.2)判断线段lm是否为聚集线段集合Si中的线段且线段长度是否大于3，若不是，则执行步骤(3.3)，否则，执行步骤(3.5)；
(3.3)在集合P中选择点pm，一条线段lm对应一个点pm，判断点pm是否同时满足plm≤|lm|，plm≤pLm且点pm在线段lm的垂直区域内这三个条件：若均满足，执行步骤(3.4)，否则，执行步骤(3.5)，其中plm表示点pm到直线lm的垂直距离，|lm|表示直线lm的长度，pLm表示点pm到多边形L0的距离；
(3.4)将点pm加入线段lm中形成两条新的线段，更新多边形L0，执行步骤(3.5)；
(3.5)将线段lm的下标m与多边形L0边的个数|L0|进行比较：
当m＜|L0|时，清空内部点集合P，令m＝m+1，提取聚集区域的中间结果如图4(b)所示，返回步骤(3.1)，
当m＝|L0|时，多边形L0为多边形区域L1，获取聚集区域的过程结束，得到聚集区域的提取结果如图4(c)所示，该聚集区域的边界线段如图4(d)所示。
本发明的效果可通过以下仿真结果进一步说明。
1.仿真条件
选取PIPERIVER图像，SAR图像的波段和分辨率、Sketch Map稀疏表示模型中参数取值和区域图参数，如表1所示：
表1
SAR图像 波段和分辨率 SM参数取值 区域图参数
PIPERIVER X-band,1-m resolution 2,5,1.7,0.6 n＝5；deltaDist＝5；
其中SM参数取值分别表示等效视数、编码增益、边缘检测高阈值、边缘检测低阈值，区域图参数n表示k近邻中的取值，deltaDist表示聚集距离阈值。
2.仿真内容
仿真内容：利用X-band波段分辨率为1米的PIPERIVER图像，用本发明与圆心算子对图像进行聚集区域的提取，实验结果如图5所示，其中图5(a)为PIPERIVER原图，图5(b)为PIPERIVER的素描图，图5(c)为本发明在PIPERIVER的素描图上进行聚集区域提取的效果图，图5(d)为圆心算子在PIPERIVER的素描图上进行聚集区域提取的效果图。
将本发明与现有圆心算子在PIPERIVER的素描图上进行聚集区域提取运行时间对比，如表2所示，
表2
SAR图像 本发明运行时间 圆心算子运行时间
PIPERIVER 14.289s 51.449s
3.仿真结果分析：
从图5可以看出，圆心算子提取的聚集区域边界出现明显的弧状缺点，本发明提取的聚集区域边界相较于圆心算子提取的聚集区域更接近于实际聚集区域。
从表2可以看出，本发明较圆心算子聚集区域提取的运行时间明显降低，为处理大场景下的SAR图像聚集区域提取提供了良好的基础。
综上所述，本发明实现了SAR图像聚集区域的提取，不仅在聚集区域边界较圆心算子更加地准确，而且速度有较大提高，聚集区域的提取效果良好。

Claims (4)

1.基于单侧聚集线段的SAR图像聚集区域提取方法,包括：
(1)用所有的聚集线段集合构成线段集合S＝{S1,S2,...,Si,...,SN}，用所有的边界线段集合构成边界集合I＝{I1,I2,...,Ii,...,IN}，其中Si为第i个聚集线段集合，Ii为第i个边界线段集合，i＝1,2,...,N，N为聚集线段集合的个数；聚集线段集合Si的线段包括单侧聚集线段Sd和双侧聚集线段Ss；Ii的初始为空，聚集线段集合Si对应边界线段集合Ii；
(2)在聚集线段集合Si中，根据线段的拓扑关系找到能够产生边界的单侧聚集线段，即在单侧聚集线段中，判断每个线段是否会成为该聚集线段集合的边界：若是，用这些单侧聚集线段构成边界线段集合Ii，否则，舍弃该线段；判断每个线段是否会成为聚集线段集合的边界，按如下步骤进行：
(2.1)建立单侧聚集线段集合
Figure FDA0002601539150000011
的第k个线段
Figure FDA0002601539150000012
的直线方程为
Figure FDA0002601539150000013
其中，
Figure FDA0002601539150000014
是单侧聚集线段集合Sd中第k个线段，k＝1,2,...,|Sd|，|Sd|为单侧聚集线段集合线段的个数；
(2.2)判断单侧聚集线段集合Sd中所有线段的空间位置是否在
Figure FDA0002601539150000015
≤0的区域，若在该区域，则线段
Figure FDA0002601539150000016
为聚集线段集合的边界，若不在该区域，进一步判断单侧聚集线段集合Sd中所有线段的空间位置是否在
Figure FDA0002601539150000017
的区域，若在该区域，则线段
Figure FDA0002601539150000018
为聚集线段集合的边界，若不在该区域，则线段
Figure FDA0002601539150000019
不是聚集线段集合的边界；
(3)根据边界线段集合Ii中线段的个数和线段的几何位置，判断这些边界线段能否围拢形成封闭的多边形：若能形成封闭的多边形，则记为初始多边形L0，执行步骤(5)；若不能，执行步骤(4)；
(4)在聚集线段集合Si中寻找线段或线段端点，使得该线段或线段端点连接成的直线和边界线段集合Ii形成封闭的多边形，记为初始多边形L0，执行步骤(5)；形成封闭的多边形，具体按如下步骤进行：
(4.1)建立聚集线段集合Si在空间上最右侧，左侧，上侧，下侧的四条直线方程分别为
Figure FDA0002601539150000021
其中
Figure FDA0002601539150000022
和
Figure FDA0002601539150000023
的表达式为：
Figure FDA0002601539150000024
Figure FDA0002601539150000025
Figure FDA0002601539150000026
Figure FDA0002601539150000027
其中，
Figure FDA0002601539150000028
是聚集线段集合Si中第j个线段的第一个端点的x轴坐标，
Figure FDA0002601539150000029
是聚集线段集合Si中第j个线段的第二个端点的x轴坐标，
Figure FDA00026015391500000210
是聚集线段集合Si中第j个线段的第一个端点的y轴坐标，
Figure FDA00026015391500000211
是聚集线段集合Si中第j个线段的第二个端点的y轴坐标，j＝1,2,...,|Si|，|Si|为聚集线段集合Si中线段的个数；
(4.2)根据边界线段集合Ii中线段的个数|Ii|选择所述四条直线中的一条或多条直线形成封闭的多边形：
如果|Ii|＝0，则选择
Figure FDA00026015391500000212
这四条直线围拢形成多边形；
如果|Ii|＝1，表示边界线段集合Ii中只有一条线段，则在四条直线中选择第一条直线，根据线段和该直线的交点的位置，从四条直线中再次选择一条或两条直线，围拢形成多边形；
如果|Ii|＝2，表示边界线段集合Ii中有两条线段，则根据两条线段的交点，从四条直线中选择一条直线，围拢形成多边形：
如果|Ii|＝3，表示边界线段集合Ii中有三条线段，则根据三条线段中其中两条线段的交点，从四条直线中选择一条直线，围拢形成多边形：
如果|Ii|≥4，表示边界线段集合Ii中有多条线段，则选择其中三条边界线段，利用|Ii|＝3时的方法围拢形成多边形；
(5)根据聚集线段集合Si中线段端点和初始多边形L0的几何位置，选择线段端点加入到初始多边形L0中，并向内逼近形成更小范围的多边形区域L1，使其满足聚集线段集合Si中线段的空间位置仍在该多边形区域L1内，该多边形区域L1为最终的SAR图像的聚集区域。
2.根据权利要求1所述的方法，其中步骤(4.2)中,对于|Ii|＝2时，根据两条线段的交点，从四条直线中选择一条直线，围拢形成多边形，其步骤如下:
(4.23)计算两条线段的交点，两条线段相交点为p1＝(x1,y1)，x1,y1必满足
Figure FDA0002601539150000031
Figure FDA0002601539150000032
这四个条件的其中一条；
(4.24)根据交点p1的x轴坐标x1和y轴坐标y1从四条直线中选择一条直线：
若
Figure FDA0002601539150000033
选择直线方程
Figure FDA0002601539150000034
即可围拢形成多边形；
若
Figure FDA0002601539150000035
选择直线方程
Figure FDA0002601539150000036
即可围拢形成多边形；
若
Figure FDA0002601539150000037
选择直线方程
Figure FDA0002601539150000038
即可围拢形成多边形；
若
Figure FDA0002601539150000039
选择直线方程
Figure FDA00026015391500000310
即可围拢形成多边形。
3.根据权利要求1所述的方法，其中步骤(4.2)中,对于|Ii|＝3时，根据三条线段中其中两条线段的交点，从四条直线中选择一条直线，围拢形成多边形，其步骤如下:
(4.25)计算三条线段的交点，pk＝(xk,yk)，k＝1,2,3，x1,y1必满足
Figure FDA00026015391500000311
Figure FDA00026015391500000312
这四个条件的其中一条；
(4.26)根据交点p1的x轴坐标x1和y轴坐标y1从四条直线中选择一条直线：
若
Figure FDA00026015391500000313
同时满足，则选择直线方程
Figure FDA00026015391500000314
围拢形成多边形；
若
Figure FDA0002601539150000041
同时满足，则三条直线可直接围拢形成多边形。
4.根据权利要求1所述方法，其中步骤(5)中选择线段端点加入到初始多边形L0中，并向内逼近形成更小范围的多边形区域L1，按如下步骤进行：
(5.1)判断聚集线段集合Si中线段的端点在多边形L0内部还是在多边形L0边界上：
若端点在多边形L0内部，则将端点加入集合P，若端点在多边形L0边界上，则不作处理，其中集合P的初始为空，多边形L0表示为
Figure FDA0002601539150000042
lm为多边形L0的第m条线段，m＝1,2,...,|L0|，|L0|为多边形L0边的个数；
(5.2)判断线段lm是否为聚集线段集合Si中的线段且线段长度是否大于3，若不是，则执行步骤(5.3)，否则，执行步骤(5.5)；
(5.3)在集合P中选择点pm，一条线段lm对应一个点pm，判断点pm是否同时满足plm≤|lm|，plm≤pLm且点pm在线段lm的垂直区域内这三个条件：若均满足，执行步骤(5.4)，否则，执行步骤(5.5)，其中plm表示点pm到直线lm的垂直距离，|lm|表示直线lm的长度，pLm表示点pm到多边形L0的距离；
(5.4)将点pm加入线段lm中形成两条新的线段，更新多边形L0，执行步骤(5.5)；
(5.5)将线段lm的下标m与多边形L0边的个数|L0|进行比较：
当m＜|L0|时，清空内部点集合P，另m＝m+1，返回步骤(5.1)，
当m＝|L0|时，多边形L0为多边形区域L1，获取聚集区域的过程结束。
CN201710667722.6A 2017-08-07 2017-08-07 基于单侧聚集线段的sar图像聚集区域提取方法 Active CN107564024B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710667722.6A CN107564024B (zh) 2017-08-07 2017-08-07 基于单侧聚集线段的sar图像聚集区域提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710667722.6A CN107564024B (zh) 2017-08-07 2017-08-07 基于单侧聚集线段的sar图像聚集区域提取方法

Publications (2)

Publication Number Publication Date
CN107564024A CN107564024A (zh) 2018-01-09
CN107564024B true CN107564024B (zh) 2020-09-22

Family

ID=60975066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710667722.6A Active CN107564024B (zh) 2017-08-07 2017-08-07 基于单侧聚集线段的sar图像聚集区域提取方法

Country Status (1)

Country Link
CN (1) CN107564024B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109165653B (zh) * 2018-08-15 2022-03-15 西安电子科技大学 一种基于语义线段近邻连接的sar图像聚集区域的提取方法
CN109241936B (zh) * 2018-09-26 2022-10-11 西安电子科技大学 基于空间约束和kd树的语义线段聚集集合的计算方法
CN113628291B (zh) * 2021-08-02 2023-03-07 电子科技大学 基于边界提取与合并的多形状目标栅格数据矢量化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198479A (zh) * 2013-03-27 2013-07-10 西安电子科技大学 基于语义信息分类的sar图像分割方法
CN105574521A (zh) * 2016-02-25 2016-05-11 民政部国家减灾中心 房屋轮廓提取方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7660441B2 (en) * 2004-07-09 2010-02-09 Southern California, University System and method for fusing geospatial data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198479A (zh) * 2013-03-27 2013-07-10 西安电子科技大学 基于语义信息分类的sar图像分割方法
CN105574521A (zh) * 2016-02-25 2016-05-11 民政部国家减灾中心 房屋轮廓提取方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
从二维点集重建平面形状-浅议凹包算法;Jumanco&Hide;《https://www.cnblogs.com/chnhideyoshi/p/ConcaveHull.html?utm_source=tuicool&utm_medium=referral》;20140302;第12-13页 *

Also Published As

Publication number Publication date
CN107564024A (zh) 2018-01-09

Similar Documents

Publication Publication Date Title
CN106780524B (zh) 一种三维点云道路边界自动提取方法
CN107067405B (zh) 基于尺度优选的遥感影像分割方法
CN108596055B (zh) 一种复杂背景下高分辨遥感图像的机场目标检测方法
CN112700429A (zh) 基于深度学习的机场道面地下结构病害自动检测方法
CN107016677A (zh) 一种基于fcn和cnn的云图分割方法
CN111126287B (zh) 一种遥感影像密集目标深度学习检测方法
CN112381013B (zh) 基于高分辨率遥感影像的城市植被反演方法及***
CN105069796B (zh) 基于小波散射网络的sar图像分割方法
CN111339947A (zh) 遥感影像模糊边界地物的提取方法及***、存储介质、设备
CN107564024B (zh) 基于单侧聚集线段的sar图像聚集区域提取方法
CN110210418A (zh) 一种基于信息交互和迁移学习的sar图像飞机目标检测方法
CN105469408A (zh) 一种sar图像建筑群分割方法
CN111104850A (zh) 一种基于残差网络的遥感影像建筑物自动提取方法和***
CN115267815A (zh) 一种基于点云建模的路侧激光雷达组群优化布设方法
CN104036294A (zh) 基于光谱标记的多光谱遥感图像自适应分类方法
CN110097524B (zh) 基于融合卷积神经网络的sar图像目标检测方法
CN111091071A (zh) 基于探地雷达双曲波拟合的地下目标检测方法及***
Singh et al. A hybrid approach for information extraction from high resolution satellite imagery
CN105701810A (zh) 一种基于点击式图像分割的无人机航拍图像电子勾绘方法
CN109670408A (zh) 一种基于对象的遥感图像水体提取方法
CN113409332A (zh) 一种基于三维点云的建筑物平面分割方法
Tang et al. Fracture extraction from smooth rock surfaces using depth image segmentation
CN109165653B (zh) 一种基于语义线段近邻连接的sar图像聚集区域的提取方法
CN105374024B (zh) 高分辨率卫星影像水上桥梁提取的方法
CN109377507B (zh) 一种基于光谱曲线频谱距离的高光谱遥感图像分割的方法

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