模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2013年
6期
604-608
,共5页
黄茜%汪玉琳%王少龙%汤达浚
黃茜%汪玉琳%王少龍%湯達浚
황천%왕옥림%왕소룡%탕체준
云检测%多项式拟合%先验阈值
雲檢測%多項式擬閤%先驗閾值
운검측%다항식의합%선험역치
Cloud Inspection%Polynomial Fitting%Prior Threshold
夜空背景易受到大气污染、月光及黄道带光等影响,导致云图变化较大.传统阈值法仅利用像素点灰度值及相应的邻域信息,难以准确分割背景变化较大且灰度不均匀的云图.文中对大量云图统计分析,发现夜空云图的两个先验特征,提出一种基于先验阈值面的云分割算法.首先根据先验特征分割出可信的背景区域,再根据背景区域进行多项式拟合得到一个随图像区域信息变化的阈值面,阈值面上的各个值介于目标和背景之间,从而可将云从背景分割出来.实验证明,相对于传统的单阈值算法,本文算法分割精确度更高,应用范围更广,尤其对受干扰的云图有更好的分割效果.
夜空揹景易受到大氣汙染、月光及黃道帶光等影響,導緻雲圖變化較大.傳統閾值法僅利用像素點灰度值及相應的鄰域信息,難以準確分割揹景變化較大且灰度不均勻的雲圖.文中對大量雲圖統計分析,髮現夜空雲圖的兩箇先驗特徵,提齣一種基于先驗閾值麵的雲分割算法.首先根據先驗特徵分割齣可信的揹景區域,再根據揹景區域進行多項式擬閤得到一箇隨圖像區域信息變化的閾值麵,閾值麵上的各箇值介于目標和揹景之間,從而可將雲從揹景分割齣來.實驗證明,相對于傳統的單閾值算法,本文算法分割精確度更高,應用範圍更廣,尤其對受榦擾的雲圖有更好的分割效果.
야공배경역수도대기오염、월광급황도대광등영향,도치운도변화교대.전통역치법부이용상소점회도치급상응적린역신식,난이준학분할배경변화교대차회도불균균적운도.문중대대량운도통계분석,발현야공운도적량개선험특정,제출일충기우선험역치면적운분할산법.수선근거선험특정분할출가신적배경구역,재근거배경구역진행다항식의합득도일개수도상구역신식변화적역치면,역치면상적각개치개우목표화배경지간,종이가장운종배경분할출래.실험증명,상대우전통적단역치산법,본문산법분할정학도경고,응용범위경엄,우기대수간우적운도유경호적분할효과.