导读:本文包含了水域分割论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:水域,孔径,图像,遥感,递归,海岛,卷积。
水域分割论文文献综述
张金松,邢孟道,孙光才[1]（2019）在《一种基于密集深度分离卷积的SAR图像水域分割算法》一文中研究指出SAR图像的水域分割在舰船目标检测、灾害监测等军事和民用领域具有重要意义。针对传统水域分割算法鲁棒性差、难以准确进行分割等问题,该文首先建立了基于高分叁号的SAR图像水域分割数据集,并基于深度学习技术提出了基于密集深度分离卷积的分割网络架构,该网络以SAR图像作为输入,通过密集分离卷积和扩张卷积提取图像高维特征,并构造基于双线性插值的上采样解码模块用于输出分割结果。在水域分割数据集上的实验结果表明,与传统方法相比,该方法不仅在分割准确度上有大幅提高,在算法的鲁棒性和分割速度上也具有部分优势,具备较好的工程实用价值。(本文来源于《雷达学报》期刊2019年03期）
牛世林,郭拯危,李宁,毋琳,赵建辉[2]（2018）在《星载SAR水域分割研究进展与趋势分析》一文中研究指出合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动微波成像传感器,能够不受天气、光线以及云层的影响,实现全天时、全天候的成像.因此,SAR图像已成为遥感水域监测的主要数据源之一.该文从技术方法的角度出发,论述了近年来国内外基于SAR图像进行水域分割的几种方法及其典型应用,从技术原理、实验效果等方面对各个方法进行了介绍,最后对星载SAR水域分割技术的发展趋势进行了分析和展望.(本文来源于《聊城大学学报(自然科学版)》期刊2018年02期）
王宇,王宝山,王田,杨艺[3]（2018）在《面向遥感图像水域分割的图像熵主动轮廓模型》一文中研究指出为提高遥感图像水域分割的准确度,结合高分率遥感图像中水域与背景纹理复杂度差异较大的特点,将图像熵引入到CV模型中,提出两种图像熵主动轮廓模型用于高分辨率遥感图像的水域分割。其中,针对水域纹理相对简单的遥感图像,在CV模型中引入零水平集内的图像熵而构成局部图像熵主动轮廓模型,可以有效降低背景中灰度值与水域近似的区域发生误分,从而提高水域分割的准确度;针对水域纹理相对复杂的遥感图像,在CV模型中同时引入零水平集内外图像熵而构成全局图像熵主动轮廓模型,改进了水平集函数进化过程中对灰度信息的依赖,并能使零水平集进化到全局最优,进一步提高了遥感图像中水域分割的准确度。针对高分辨率遥感图像中的湖泊、河流和海域分割对比实验结果表明:局部图像熵主动轮廓模型的分割精确率分别为90.1%、81.5%和93.6%,F值分别为0.94、0.885和0.96;全局图像熵主动轮廓模型的分割精确率分别为94.5%、85.3%、94.9%,F值分别为0.956、0.895、0.967。本文提出的两种图像熵主动轮廓模型均能有效减小背景误分,提高了遥感图像水域分割的准确度。(本文来源于《光学精密工程》期刊2018年03期）
张彦峰,艾海滨,杜全叶,张力[4]（2014）在《基于金字塔影像分割的水域提取在海岛礁空中叁角测量中的应用》一文中研究指出在自动空中叁角测量中,从水域提取的连接点稳健性差,不能用于平差计算而要予以剔除。海岛礁影像包含大面积的水域,而平差算法本身一般无法完全剔除落水点,如果进行人工编辑则工作量太大。因此本文提出一种基于金字塔影像分割的水域提取算法,首先对海岛礁影像进行分割,然后通过一种基于直方图的自适应阈值的二值化方法提取出水域,进而剔除落水的特征点,最终实现了海岛礁测图中的高精度自动空中叁角测量,提高了生产效率。(本文来源于《测绘通报》期刊2014年12期）
林选伟[5]（2013）在《基于预滤波交互式水域分割算法》一文中研究指出针对传统水域分割算法提取目标点不准确而造成过分割的弊端,采用交互式分割,同时结合图像预滤波的方法进一步修正梯度图像,并对处理后的图像使用迭坝算法进行增强。本文使用C++语言编程,使用队列数据结构进行像素存储,进行了交互取点、预滤波及修正分割等试验,试验结果表明本文算法极大程度上减少或消除了图像的过分割现象,提高了分割的准确度。(本文来源于《电子设计工程》期刊2013年16期）
于素芬[6]（2011）在《一种用于桥梁识别的水域分割提取方法》一文中研究指出提出一种新的水域分割提取算法。采用灰度图像减去加权梯度图像的方法拉大水域与田地的差异,利用水域平均灰度高于图像平均灰度的特点,对常规OSTU阈值分割算法进行改进,图像分割后通过水域标记排除小面积干扰区域,通过寻找组成河流的水域方法排除大面积田地干扰。仿真实验结果证明该算法可实现水域的合理有效分割提取。(本文来源于《电光与控制》期刊2011年08期）
安成锦,陈曾平[7]（2011）在《基于Otsu和改进CV模型的SAR图像水域分割算法》一文中研究指出图像分割是SAR图像处理中基本而关键的技术之一,也是影响SAR图像自动解译性能的一个重要步骤。由于受相干斑噪声影响严重,SAR图像分割一直是一个公认的难题。针对Otsu算法对SAR图像分割精度不高以及CV模型对初始条件敏感和演化效率低等问题,本文提出了一种融合分割算法。采用快速一维Otsu算法对图像进行粗分割,分别将得到的水体区域和水体轮廓作为CV模型的分割区域和初始条件,降低了CV模型的场景复杂度,提高了分割速度,减弱了CV模型对初始条件的敏感性。利用图像边缘强度信息代替CV模型中的Dirac项,改进了CV模型的偏微分方程,使分割算法更好地适应SAR图像的同时提高了CV模型的收敛速度。实验结果表明,融合分割算法具有分割边界定位准确、运行高效、无需设置初始条件等优点。(本文来源于《信号处理》期刊2011年02期）
安成锦,牛照东,李志军,陈曾平[8]（2010）在《典型Otsu算法阈值比较及其SAR图像水域分割性能分析》一文中研究指出遥感图像中水域呈现低灰度、灰度起伏小特性。该文从实时性出发,采用1维Otsu算法分割SAR图像。证明了两种典型Otsu分割算法的阈值关系,提出了分割性能评估方法,并通过实测SAR图像对比分析了多阈值分割与单阈值递归分割的水域分割性能。结果表明,与单阈值递归分割相比,多阈值分割能够更好地提取水域轮廓,且漏警率低,可应用于桥梁自动目标识别和景象匹配等方面。(本文来源于《电子与信息学报》期刊2010年09期）
路威,张占睦,张新闻[9]（2002）在《利用小波变换和边缘限制条件进行水域分割》一文中研究指出阐述了一种利用小波变换和边缘限制条件进行水域提取的新算法 ,它的特点是先用小波变换将影像变换到不同尺度层上 ;然后在不同尺度层上统计影像的特征值 ,以形成影像的特征数据 ;接着利用Facet边缘检测算法在特征数据上检测特征边缘存在的情况 ,从而判断像素是否属于水域。与传统的水域提取方法相比 ,它用到了不同频率上水域灰度信息 ,从而更准确地刻画了水域的灰度特性。试验结果表明 :利用小波变换和边缘限制条件对水域分割效果较好(本文来源于《测绘学院学报》期刊2002年02期）
水域分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动微波成像传感器,能够不受天气、光线以及云层的影响,实现全天时、全天候的成像.因此,SAR图像已成为遥感水域监测的主要数据源之一.该文从技术方法的角度出发,论述了近年来国内外基于SAR图像进行水域分割的几种方法及其典型应用,从技术原理、实验效果等方面对各个方法进行了介绍,最后对星载SAR水域分割技术的发展趋势进行了分析和展望.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
水域分割论文参考文献
[1].张金松,邢孟道,孙光才.一种基于密集深度分离卷积的SAR图像水域分割算法[J].雷达学报.2019
[2].牛世林,郭拯危,李宁,毋琳,赵建辉.星载SAR水域分割研究进展与趋势分析[J].聊城大学学报(自然科学版).2018
[3].王宇,王宝山,王田,杨艺.面向遥感图像水域分割的图像熵主动轮廓模型[J].光学精密工程.2018
[4].张彦峰,艾海滨,杜全叶,张力.基于金字塔影像分割的水域提取在海岛礁空中叁角测量中的应用[J].测绘通报.2014
[5].林选伟.基于预滤波交互式水域分割算法[J].电子设计工程.2013
[6].于素芬.一种用于桥梁识别的水域分割提取方法[J].电光与控制.2011
[7].安成锦,陈曾平.基于Otsu和改进CV模型的SAR图像水域分割算法[J].信号处理.2011
[8].安成锦,牛照东,李志军,陈曾平.典型Otsu算法阈值比较及其SAR图像水域分割性能分析[J].电子与信息学报.2010
[9].路威,张占睦,张新闻.利用小波变换和边缘限制条件进行水域分割[J].测绘学院学报.2002
论文知识图
