绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
检索详情页
首页 > 专利首页 > 一种可应用SAR多维极化特征的主动轮廓水平集溢油提取方法
添加标签
×
已添加(0/5):

推荐标签:

一种可应用SAR多维极化特征的主动轮廓水平集溢油提取方法
摘要: 基于水平集主动轮廓模型的SAR溢油信息提取,只能利用单维SAR图像,无法分割多维SAR溢油极化图像,对此提出了一种可应用SAR多维极化特征的主动轮廓水平集溢油提取方法。该方法设计SAR多维极化特征空间向量,计算轮廓内外向量主成分值,提出多维能量函数,最终构建出多维主动轮廓模型函数,利用多维主动轮廓模型函数的演化方程对多维SAR图像进行演化运算,充分利用多维S...   查看全部>>
  • 专利类型:
    发明专利
  • 申请/专利号:
    CN201910949113.9
  • 申请日期:
    2019-10-08
  • 公开/公告号:
    CN110689027A
  • 公开/公告日:
    2020-01-14
  • 主分类号:
    G06K9/46(2006.01)  G  G06  G06K  G06K9 
  • 分类号:
    [G06K9/46(2006.01), G06K9/46]
  • 申请/专利权人:
  • 发明/设计人:
  • 主申请人地址:
    266580 山东省青岛市黄岛区长江西路66号
  • 国别省市代码:
    山东;37
  • 主权项:
    1.一种可应用SAR多维极化特征的主动轮廓水平集溢油提取方法,其特征在于,具体方法包括以下步骤: (1)构建SAR多维溢油极化特征的空间向量xj。 j个一维SAR极化特征图像组成的多维图像,每一维同地理空间位置点的极化特征组成空间向量xj。 (2)计算空间向量xj的主成分值。 定义对空间向量xj的主成分值为P(x,y),P(x,y)数学表达式为: Pi(x,y)=fiTνi,i=1,2 其中,i=1表示水平集模型在图像域中的轮廓φ内,i=2表示水平集模型在图像域中的轮廓φ外,f1和f2分为φ内外像素的8邻域像素强度加权平均值组成的矩阵,ν为矩阵的特征向量。当轮廓φ内Pi(x,y)值小于轮廓φ外时,轮廓φ应向外演化,反之,则向内演化。 f1(x)和f2(x)定义为: 其中,Kσ为标准差为σ的高斯函数,*为卷积算子,x为SAR图像上任意一点,H(φ)为赫维赛德函数。 (3)构建多维主动轮廓模型函数。 根据步骤(2)中P(x,y)构建多维项函数: 保持f1P(x)和固定,利用梯度下降流方法最小化多维项函数,得到梯度下降流为: 其中,λ1和λ2分别为正平衡常数,M1(φ)=H(φ),M2(φ)=1-H(φ),I(y)表示最原始VV极化通道SAR数据图像。 增加距离正则项,保证水平集函数的稳定演化。距离正则项为: 其中,为梯度算子。 对φ的零位等值线正则化: 基于以上设计与分析,多维主动轮廓模型能量函数定义为: 其中,α和β是非负常数。 (4)利用F(φ,f1(x,y),f2(x,y))提取SAR溢油信息。 利用步骤(3)得到的F(φ,f1(x,y),f2(x,y))构建提取SAR溢油信息演化方程,该演化方程为: 其中,φt为当前时刻的多维主动轮廓模型在图像域中的轮廓曲线,φt+1为下一时刻的多维主动轮廓模型在图像域中的轮廓曲线。 利用上述演化方程对多维SAR极化特征图像进行演化运算,演化运算后演化曲线包围的区域为提取的SAR溢油信息。
  • 法律状态:
相关专利(与本文研究内容相同或相近的专利)
相关论文(与本文研究主题相同或者相近的论文)
我的标签
您可以为文献添加知识标签,方便您在书案中进行分类、查找、关联
请输入添加的标签
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部