1绪论 1
1.1遥感基本概念 1
1.1.1遥感的定义 1
1.1.2遥感的分类 2
1.2遥感信息获取 4
1.2.1遥感平台 4
1.2.2遥感传感器 5
1.2.3航空遥感成像方式 5
1.2.4航空遥感获取信息的特点 7
1.3航空遥感图像边缘检测的意义 8
1.4航空遥感图像边缘检测的国内外研究现状 12
2航空遥感图像边缘检测基本原理与技术 15
2.1边缘检测基本原理 15
2.2边缘检测相关技术 16
2.2.1非封闭边缘检测算法 16
2.2.2封闭边缘检测算法 20
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 27
3.1引言 27
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 27
3.2.1算法描述 27
3.2.2算法流程图 28
3.2.3候选边缘点的确定 28
3.2.4动态分块阈值去噪 30
3.2.5改进的GDNI的边缘连接算法 32
3.2.6 MATLAB仿真实验结果与分析 33
3.3基于纹理特征差异的边缘检测算法 37
3.3.1航空输电线图像纹理特征分析 37
3.3.2 SWIFTS算法描述 41
3.3.3 SWIFTS算法流程图 42
3.3.4 SWIFTS窗口宽度β的确定 44
3.3.5 MATLAB仿真实验结果与分析 46
3.4基于纹理特征和Г分布的边缘检测算法 57
3.4.1 TGA算法描述 58
3.4.2 TGA算法流程图 60
3.4.3 TGA算法中新参数ε的理论作用分析 61
3.4.4 MATLAB仿真实验结果与分析 63
4基于区域特征的航空遥感图像封闭边缘检测技术 68
4.1引言 68
4.2 Chan-Vese边缘检测模型 71
4.2.1 Chan-Vese的理论模型 71
4.2.2 Chan-Vese模型的水平集能量最小化 72
4.2.3 MATLAB仿真实验结果与分析 73
4.3区域可扩展的变分水平集边缘检测模型(RSF) 75
4.3.1区域可扩展数据拟合模型的定义 76
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 77
4.3.3基于梯度下降法的能量最小化 78
4.3.4 MATLAB仿真实验结果与分析 78
4.4基于Chan的全局最小化主动轮廓边缘检测模型(GMAC) 81
4.4.1 Chan-Vese能量模型求全局极小解问题的转化 82
4.4.2 Chan-Vese能量模型的全局极小解的数字化实现 83
4.4.3 MATLAB仿真实验结果与分析 83
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 85
4.5基于变分对偶规则和区域可扩展拟合的全局最小化主动轮廓边缘检测模型 86
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 87
4.5.2能量模型求全局极小解问题的转化 87
4.5.3基于加权全变分对偶规则的快速能量最小化 88
4.5.4 MATLAB仿真实验结果与分析 90
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 103
5.1引言 103
5.2灰度不匀均性特征纠正的边缘检测算法 103
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 104
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 104
5.3.2引入边缘梯度特征构造的边缘检测新模型LGF-IHC 107
5.3.3 LGF-IHC模型的凸性转化 108
5.3.4基于加权全变分对偶规则的快速能量最小化 109
5.3.5 MATLAB仿真实验结果与分析 110
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 123
6.1引言 123
6.2图像纹理特征提取的分类 123
6.2.1基于统计的纹理特征提取 123
6.2.2基于结构的纹理特征提取 124
6.2.3基于信号的纹理特征提取 124
6.2.4基于模型的纹理特征提取 124
6.3基于PCA的纹理特征优化 125
6.4基于PCA-GMTD模型的航空遥感图像边缘检测模型 127
6.4.1 PCA-GMTD边缘检测模型的来源 127
6.4.2 PCA-GMTD边缘检测模型的定义 128
6.4.3能量模型最小化求解 129
6.4.4 MATLAB仿真实验结果与分析 132
7基于纹理特征分布的航空遥感图像封闭边缘检测技术 150
7.1引言 150
7.2半局部纹理特征及其分布 152
7.3基于STD-GMAC模型的航空遥感图像边缘检测模型 153
7.3.1 STD-GMAC边缘检测模型的来源 153
7.3.2 STD-GMAC边缘检测模型的定义 154
7.3.3 STD-GMAC边缘检测模型的快速求解 154
7.3.4 MATLAB仿真实验结果与分析 156
参考文献 165
附录 Rec和Var的GLCIA实现 176