研究了圆形感兴趣区域,推导了相应的掩码计算公式,将多级树集合分裂算法(Set partitioning in hierarchical trees,SPIHT)加以改进,得到适用于圆形感兴趣区域的图像压缩算法.实验结果表明,本文提出的圆形感兴趣区域掩码计算公式简单实用...研究了圆形感兴趣区域,推导了相应的掩码计算公式,将多级树集合分裂算法(Set partitioning in hierarchical trees,SPIHT)加以改进,得到适用于圆形感兴趣区域的图像压缩算法.实验结果表明,本文提出的圆形感兴趣区域掩码计算公式简单实用,改进后的压缩算法效果明显.展开更多
在林业智能应用问题中,经常需要对遥感图像中的非刚性目标如“火”“烟”“云”等进行识别。由于此类目标物受限于颜色不确定(或渐变)以及无固定形状,导致现有图像标注方法的性能不佳甚至失效。因此,针对如何准确地选择目标物的兴趣区域...在林业智能应用问题中,经常需要对遥感图像中的非刚性目标如“火”“烟”“云”等进行识别。由于此类目标物受限于颜色不确定(或渐变)以及无固定形状,导致现有图像标注方法的性能不佳甚至失效。因此,针对如何准确地选择目标物的兴趣区域(region of interest,ROI),进而提高像素标记的速度以及准确率进行了研究。针对图像目标物形状的非凸性,提出了任意形状ROI的像素级自动标注算法,该算法可将任意形状的兴趣区域转化为多个凸区域问题,针对分解后的每个凸壳内的像素进行提取、训练、标记。基于无人机拍摄的高清图像集,通过将其与边界框法、凸壳法、图像分割以及图像抠图方法进行实验对比,证明该方法存在易操作,符合人类视觉,求解速度快,可批量操作,且能够实现非刚性目标的像素级自动标注等特点。展开更多
文摘在林业智能应用问题中,经常需要对遥感图像中的非刚性目标如“火”“烟”“云”等进行识别。由于此类目标物受限于颜色不确定(或渐变)以及无固定形状,导致现有图像标注方法的性能不佳甚至失效。因此,针对如何准确地选择目标物的兴趣区域(region of interest,ROI),进而提高像素标记的速度以及准确率进行了研究。针对图像目标物形状的非凸性,提出了任意形状ROI的像素级自动标注算法,该算法可将任意形状的兴趣区域转化为多个凸区域问题,针对分解后的每个凸壳内的像素进行提取、训练、标记。基于无人机拍摄的高清图像集,通过将其与边界框法、凸壳法、图像分割以及图像抠图方法进行实验对比,证明该方法存在易操作,符合人类视觉,求解速度快,可批量操作,且能够实现非刚性目标的像素级自动标注等特点。
