简介:摘要:本次课题的目的,是对现在主流的图像去雨算法进行一个对比,并通过对比,通过具体的案例,来分析出不同的算法间的优略。在本次课题中,主要对两个算法进行,分别是基于滤波去雨算法和暗通道先验算法去雨。对于基于滤波去雨算法和暗通道先验算法去雨的优略而言,基于滤波去雨算法更加适合雨水相较不那么密集的图像,面对雨水密集的图像时,它处理的结果一般。但它算法简单,易于实现;对于暗通道先验算法去雨而言,它对于雨水是否密集无太大的要求,都能有较好的效果,缺点在于运算量较大,且需要构建不少函数来支撑算法的实现,最后的结果如果不进行图像融合,呈现出灰色的图像。对于它们二者的结果,用MATLAB进行了复现。
简介:摘要:本研究旨在探索在测绘工程领域中应用深度学习技术进行遥感影像分类的方法。通过收集大量的遥感影像数据,结合深度学习算法,构建了一个高效的分类模型。首先,采用卷积神经网络(CNN)对遥感影像进行特征提取和学习,然后利用池化和全连接层进行分类识别。实验结果表明,该方法在不同地区和不同场景的遥感影像分类中表现出良好的准确性和泛化能力,为测绘工程领域的遥感应用提供了一种有效的分类方法。
简介:遥感图像机场跑道边缘的提取是机场识别的主要方法。传统Hough变换在线段提取方面具有较高抗噪性,但用于遥感图像机场跑道提取时存在边缘定位性较差及弯曲跑道误检率高的问题。本文提出了图像空间多尺度Hough变换方法,提高了Hough变换在提取、检测线段时的定位能力;将传统Hough变换的对参数空间改进为相对参数空间,增强了Hough变换检测小线段的性能,并利用分段线段的连接,达到机场跑道边缘中直线段与曲线线段检测的目的。试验结果表明该方法在保持Hough变换高抗噪性的同时,可有效地检测复杂背景下遥感图像中的机场跑道边缘,并保证了边缘的连接性。