最新刊期
2017 年 第 22 卷 第 4 期
- 摘要：在《中国图象图形学报》创刊20年后，回顾和总结其20年来的发展情况，分析当前状态，并展望未来方向。 对1996年创刊以来前20年的出版情况和数据进行统计和分析，包括学报创刊情况，所设栏目（及其文献数量）和主题，所发表的文献综述系列的概况及所反映的特点，以及学报的出版期数、页数、篇数（包括每期页数、每期篇数、每篇页数等）与它们的变化和趋势。 将学报的统计数据与其他14种图像工程刊物进行了对比，反映了学报在相关领域的相对专业地位和学术水平，也揭示了若干值得改进的方向。 经过20年的努力和发展，学报已是相关专业领域里的一个重要刊物，但还有继续提高的需求和目标。关键词：学术期刊;出版数据统计;栏目;文献量;趋势分析;文献计量学;影响因子2679|273|6更新时间：2024-05-07
综述
- 摘要：图像在获取和传输的过程中很容易受到噪声的干扰，图像降噪作为众多图像处理系统的预处理模块在过去数十年中得到了广泛的研究。在已提出的降噪算法中，往往采用加性高斯白噪声模型AWGN（additive white Gaussian noise）为噪声建模，噪声水平（严重程度）由方差参数控制。经典的BM3D 3维滤波算法属于非盲降噪（non-blind denoising algorithm）算法，在实际使用中需要由人工评估图像噪声水平并设置参数，存在着噪声评估值随机性大而导致无法获得最佳降噪效果的问题。为此，提出了一种新的局部均值噪声估计（LME）算法并作为BM3D算法的前置预处理模块。 本文专注于利用基于自然统计规律（NSS）的图像质量感知特征和局部均值估计技术构建图像噪声水平预测器，并通过它高效地获得噪声图像中准确的噪声水平值。关于自然场景统计方面的研究表明，无失真的自然场景图像在空域或者频率域上具有显著的统计规律，一旦受到噪声干扰会产生规律性的偏移，可以提取这些特征值作为反映图像质量好坏的图像质量感知特征。另外，局部均值估计因其简单而高效率的预测特性被采用。具体实现上，在具有广泛代表性且未受噪声干扰图像集合上添加不同噪声水平的高斯噪声构建失真图像集合，然后利用小波变换对这些失真图像进行不同尺度和不同方向的分解，再用广义高斯分布模型（GGD）提取子带滤波系数的统计信息构成描述图像失真程度的特征矢量，最后用每幅失真图像上所提取的特征矢量及对其所施加的高斯噪声水平值构成了失真特征矢量库。在降噪阶段，用相同的特征提取方法提取待降噪的图像的特征矢量并在失真特征矢量库中检索出与之类似的若干特征矢量及它们所对应的噪声水平值，然后用局部均值法估计出待降噪图像中高斯噪声大小作为经典BM3D算法的输入参数。 改进后的BM3D算法转换为盲降噪算法，称为BM3D-LME（block-matching and 3D filtering based on local means estimation）算法。准确的噪声估计对于诸如图像降噪，图像超分辨率和图像分割等图像处理任务非常重要。已经验证了所提出噪声水平估计算法的准确性、鲁棒性和有效性。 相对人工进行噪声估计，LME算法能够准确、快速地估算出任意待降噪图像中的噪声大小。配合BM3D算法使用后，有效提高了它的实际降噪效果并扩大它的应用范围。关键词：噪声评估;特征矢量提取;局部均值估计;BM3D(block-matching and 3D filtering)算法;盲降噪3572|473|6更新时间：2024-05-07
- 摘要：压缩感知理论中的重构算法作为关键技术之一，在科学研究方面起到了关键的作用。常用的重构算法包括L范数的非凸优化算法和L范数的凸优化算法，但它们的缺点是重构精度不高，运算时间很长。为了克服这一缺陷，提高现有基于L范数的压缩感知图像重构算法的重建精度和算法效率，本文提出改进算法。 针对拉格朗日函数序列二次规划（SQP）方法中海瑟（Hesse）矩阵不正定导致计算量很大的问题，引入价值函数，修正Hesse矩阵的序列二次规划方法并结合图像分块压缩感知技术，提出了一种基于L范数压缩感知图像重构算法。 在采样率同为40%情况下，本文算法下的信噪比为34.28 dB，高于BOMP（block orthogonal matching pursuit）算法信噪比2%，高于当罚函数作为修正方法时的13.2%。本文算法计算时间为190.55 s，快于BOMP算法13.4%，快于当罚函数作为修正方法时的67.5%。采样率同为50%的情况下，本文算法下的信噪比为35.42 dB，高BOMP算法信噪比2.4%，高于当罚函数作为修正方法时信噪比12.8%。本文算法的计算时间是196.67 s，快于BOMP算法68.2%，快于81.7%。在采样率同为60%的情况下，本文算法的信噪比为36.33 dB，高于BOMP算法信噪比3.2%，高于当罚函数作为修正方法时信噪比8.2%。本文算法计算时间为201.72 s，快于BOMP算法82.3%，快于当罚函数作为修正方法时86.6%。在采样率为70%的情况下，本文算法信噪比38.62 dB，高于BOMP算法信噪比2.5%，高于当罚函数作为修正方法时信噪比9.8%。本文算法计算时间为214.68 s，快于BOMP算法88.12%，快于当罚函数作为修正方法时的91.1%。实验结果显示在相同的采样率的情况下，本文改进算法在重构精度和算法时间上均优于BOMP算法等其他算法。并且采样率越高，重构图像精度越来越高，重构算法时间越来越短。 通过实验对本文算法、BOMP重构算法等其他算法在信噪比和算法计算时间进行对比，在不同采样率下，本文算法都明显优于其他两种算法，而且在采样率仅为20.5%时，信噪比高达85.154 3 dB，重构图像比较清晰。本文算法的最大优点在于采用了分块压缩感知技术，提高图像重构效率，降低了重构时间，缺点是在图像采样率比较低的情况下，存在图像干扰块效应。接下来研究方向是如何在采样率低的情况下，高精度地还原图片，消除图像干扰块效应。关键词：压缩感知;图像重构;范数;采样率;价值函数;序列二次规划2656|354|4更新时间：2024-05-07
- 摘要：数字视频通常经过压缩后传输，结合视频编码标准嵌入秘密信息是视频信息隐藏的主流技术。然而，现有基于HEVC（high-efficiency video coding）的视频信息隐藏技术存在码率增长过快、视频质量下降等问题。针对以上问题，提出结合恰可察觉编码失真模型（JNCD）的HEVC大容量信息隐藏方法。 JNCD模型是一种面向HEVC视频编码的视觉感知模型。该模型充分考虑编码过程的模糊和块效应，有效去除视频感知冗余，在相同码率下可获得更高的主观感知质量。结合JNCD模型，调节I帧中编码单元（CU）的最优量化参数（QP）值，并利用基于方向调整（EMD）算法嵌入秘密信息，进一步增加信息隐藏容量。为了提高信息的安全性，用密钥对秘密信息进行置乱加密处理，在解码端只有持有该密钥的用户才能正确解密，获得秘密信息。 实验使用HEVC参考软件HM16.0，选取分辨率不同的序列进行测试。结果表明，秘密信息嵌入后，视频测试序列的PSNR平均值为41.16 dB，与现有的信息隐藏方法相比，不仅保持较好的主观和客观视频质量，而且信息隐藏容量平均提升2倍左右。 采用本方法在保证原视频图像的质量的情况下，能够有效增加信息隐藏的容量，并能够一定程度阻止码率增长，符合信息隐藏的不可见性、安全性和实时性要求。关键词：信息隐藏;高效视频编码标准(HEVC);恰可察觉编码失真模型(JNCD);量化参数;方向调整(EMD)算法2633|391|1更新时间：2024-05-07
- 摘要：针对人眼观看立体图像内容可能存在的视觉不舒适性，基于视差对立体图像视觉舒适度的影响，提出了一种结合全局线性和局部非线性视差重映射的立体图像视觉舒适度提升方法。 首先，考虑双目融合限制和视觉注意机制，分别结合空间频率和立体显著性因素提取立体图像的全局和局部视差统计特征，并利用支持向量回归构建客观的视觉舒适度预测模型作为控制视差重映射程度的约束；然后，通过构建的预测模型对输入的立体图像的视觉舒适性进行分析，就欠舒适的立体图像设计了一个两阶段的视差重映射策略，分别是视差范围的全局线性重映射和针对提取的潜在欠舒适区域内视差的局部非线性重映射；最后，根据重映射后的视差图绘制得到舒适度提升后的立体图像。 在IVY Lab立体图像舒适度测试库上的实验结果表明，相较于相关有代表性的视觉舒适度提升方法对于欠舒适立体图像的处理结果，所提出方法在保持整体场景立体感的同时，能更有效地提升立体图像的视觉舒适度。 所提出方法能够根据由不同的立体图像特征构建的视觉舒适度预测模型来自动实施全局线性和局部非线性视差重映射过程，达到既改善立体图像视觉舒适度、又尽量减少视差改变所导致的立体感削弱的目的，从而提升立体图像的整体3维体验。关键词：立体图像;视觉舒适度提升;客观预测模型;视差重映射;立体感2478|337|1更新时间：2024-05-07
- 摘要：目前非负矩阵分解一般使用乘性规则进行更新，乘性更新规则虽实现简单，但更新时收敛较慢，而且容易陷入局部最优解。当数据规模较大时，乘性规则的时效性很低，难以应用于一些实时性较强的问题中。针对乘性更新规则的这些缺点，提出一种使用交替方向乘子求解正交投影非负矩阵分解的方法。 首先，基于正交投影非负矩阵的正交性和稀疏性特征，将原始的目标函数优化问题分解为各子问题的交替优化求解过程。通过引入辅助变量建立原目标函数的增广拉格朗日方程，完成对原问题的子问题等价表示；然后，对转换后方程的主变量和对偶变量进行交替优化求解，从而找到原问题最优解。 不同规模矩阵分解仿真实验结果表明，与乘性更新规则相比，本文所提方法在收敛速度和精度上具有明显优势，特别是在矩阵规模很大时，收敛速度明显优于乘性规则。同时，将本文方法应用于目标跟踪问题中，提出一种基于交替方向乘子方法的模版更新策略，并与乘性规则以及其他3种经典目标跟踪算法进行比较。本文方法在目标跟踪效果上与基于乘性更新规则方法相当，且优于其他3种方法，重叠率约0.73，且帧处理速度约是乘性规则的3.8倍。 本文方法在数据规模较大时，处理速度明显优于乘性规则。在目标跟踪应用中，因其分解过程中的稀疏性和正交性，与常用跟踪算法相比能较好地应对视频场景中的遮挡、尺度变化及光照变化等干扰，其跟踪性能更加稳定。关键词：正交投影非负矩阵分解;交替方向乘子法;乘性更新规则;粒子滤波;目标跟踪2875|315|1更新时间：2024-05-07
- 摘要：人体目标再识别的任务是匹配不同摄像机在不同时间、地点拍摄的人体目标。受光照条件、背景、遮挡、视角和姿态等因素影响，不同摄相机下的同一目标表观差异较大。目前研究主要集中在特征表示和度量学习两方面。很多度量学习方法在人体目标再识别问题上了取得了较好的效果，但对于多样化的数据集，单一的全局度量很难适应差异化的特征。对此，有研究者提出了局部度量学习，但这些方法通常需要求解复杂的凸优化问题，计算繁琐。 利用局部度量学习思想，结合近几年提出的XQDA（cross-view quadratic discriminant analysis）和MLAPG（metric learning by accelerated proximal gradient）等全局度量学习方法，提出了一种整合全局和局部度量学习框架。利用高斯混合模型对训练样本进行聚类，在每个聚类内分别进行局部度量学习；同时在全部训练样本集上进行全局度量学习。对于测试样本，根据样本在高斯混合模型各个成分下的后验概率将局部和全局度量矩阵加权结合，作为衡量相似性的依据。特别地，对于MLAPG算法，利用样本在各个高斯成分下的后验概率，改进目标损失函数中不同样本的损失权重，进一步提高该方法的性能。 在VIPeR、PRID 450S和QMUL GRID数据集上的实验结果验证了提出的整合全局—局部度量学习方法的有效性。相比于XQDA和MLAPG等全局方法，在VIPeR数据集上的匹配准确率提高2.0%左右，在其他数据集上的性能也有不同程度的提高。另外，利用不同的特征表示对提出的方法进行实验验证，相比于全局方法，匹配准确率提高1.3%~3.4%左右。 有效地整合了全局和局部度量学习方法，既能对多种全局度量学习算法的性能做出改进，又能避免局部度量学习算法复杂的计算过程。实验结果表明，对于使用不同的特征表示，提出的整合全局—局部度量学习框架均可对全局度量学习方法做出改进。关键词：人体目标再识别;度量学习;局部度量学习;整合全局—局部度量学习;高斯混合模型3661|359|3更新时间：2024-05-07
- 摘要：采用传统的2维特征提取方法，很难从视频中准确地捕获出人体的关节点位置，限制了识别率的上限。采用深度信息的3维特征提取能提升识别率，但高维空间运算复杂度高，很难实现实时识别，受应用场景限制。为克服上述难点，提出一种基于3维特权学习的人体动作识别方法，将3维信息作为特权信息引入到传统的2维动作识别过程中，用来识别人体动作。 以运动边界直方图密集光流特征、Mosift（Motion SIFT）特征和多种特征结合的混合特征作为2维基本特征。从Kinect设备获得的深度信息中评估出人体的关节点信息，并用李群算法处理得到3维特征作为特权信息。特权信息在经典支持向量机下的识别效果优于2维基本特征。训练数据包含2维基本特征和3维特权信息，测试数据只有2维基本特征。通过训练样本学习，得到结合特权信息的支持向量机（SVM+），使用该向量机对测试样本进行分类，得到人体动作识别结果。 在UTKinect-Action和Florence3D-Action两个人体动作数据集上进行实验。引入特权信息后，人体动作识别率较传统2维识别有2%的平均提升，最高达到9%。SVM+分类器对参数的敏感性较SVM下降。 实验结果表明，本文方法较以往方法，在提升识别准确率的同时，降低了分类器对参数的敏感性。本文方法仅在训练过程中需要同时提取2维基本特征和3维特权信息，而在测试过程中无需借助深度信息获取设备提取3维特权特征信息，学习速度快，运算复杂度低，可广泛应用于低成本，高实时的人体动作识别场合。关键词：人体动作识别;特权信息;支持向量机;结合特权信息的支持向量机;3维人体李群特征3507|358|2更新时间：2024-05-07
图像处理和编码
- 摘要：针对融合跟踪中的实时性和准确性问题，提出一种基于二阶空间直方图联合的红外与可见光目标融合跟踪算法。 该算法以二阶空间直方图为目标表示模型，通过将红外的目标相似度和可见光的目标相似度进行加权融合，来构建新的目标函数；并依据核跟踪推理机制导出目标的联动位移公式；最后使用均值漂移程序实现目标的自动搜索。此外，算法还实现了融合权值的自适应调节和目标模型的在线更新。 实验中选取了4组典型的红外可见光视频对进行跟踪，测试了算法在夜间环境、背景阴影、目标交汇与拥簇，以及目标遮挡等场合下的跟踪性能，并与L跟踪器（L1T）、基于区域模糊动态融合的跟踪器（FRD），以及基于联合直方图的跟踪器在平均中心误差、平均重叠率、成功率以及平均跟踪时间等指标上进行了定量比较，得到各算法在这4组视频上的对应性能指标数据分别为本文算法（6.664，0.702，0.921，0.009）、L1T跟踪红外目标（25.53，0.583，0.742，0.363）、L1T跟踪可见光目标（31.21，0.359，0.459，0.293）、FRD（10.73，0.567，0.702，0.565）、JHT（15.07，0.622，0.821，0.001），发现本文算法的平均准确率比其他跟踪算法分别高约23%、14%和8%，而平均成功率分别高约32%、46%和10%。 本文算法在处理场景拥簇、光照变化以及空间信息保持等方面要优于传统的单源跟踪方法，适用于夜间环境、背景阴影以及背景拥簇等场景下目标跟踪，对帧频为30 帧/s的视频数据，算法可同时在线跟踪到4个目标。关键词：联合跟踪;红外;可见光;空间直方图;粒子滤波2823|343|1更新时间：2024-05-07
- 摘要：基于水平集的轮廓提取方法被广泛用于运动物体的轮廓跟踪。针对传统方法易受局部遮挡、复杂背景等因素影响的问题，提出一种先验模型约束的抗干扰（AC-PMC）轮廓跟踪算法。 首先，选取图像序列的前5帧进行跟踪训练，将每帧图像基于颜色特征分割成若干超像素块，利用均值聚类组建簇集合，并通过该集合建立目标的先验模型。然后，利用水平集分割方法提取目标轮廓，并提出决策判定算法，判断是否需要引入形状先验模型加以约束，避免遮挡、复杂背景等影响。最后，提出一种在线模型更新算法，在特征集中加入适当特征补偿，使得更新的目标模型更为准确。 本文算法与多种优秀的轮廓跟踪算法相比，可以达到相同甚至更高的跟踪精度，在Fish、Face1、Face2、Shop、Train以及Lemming视频图像序列下的平均中心误差分别为3.46、7.16、3.82、13.42、14.72、12.47，算法的跟踪重叠率分别为0.92、0.74、0.85、0.77、0.73、0.82，算法的平均运行速度分别为4.27 帧/s、4.03 帧/s、3.11 帧/s、2.94 帧/s、2.16 帧/s、1.71 帧/s。 利用目标的先验模型约束以及提取轮廓过程中的决策判定，使本文算法在局部遮挡、目标形变、目标旋转、复杂背景等条件下具有跟踪准确、适应性强的特点。关键词：先验模型;水平集;决策判定;特征补偿;轮廓跟踪2384|363|2更新时间：2024-05-07
图像理解和计算机视觉
- 摘要：前列腺磁共振图像存在组织边界对比度低、有效区域少等问题，手工勾勒组织轮廓边界的传统分割方法无法满足临床实时性要求，针对这些问题提出了一种基于深度反卷积神经网络的前列腺磁共振图像分割算法。 基于深度学习理论，将训练图像样本输入设计好的卷积神经网络，提取具有高度区分性的前列腺图像特征，反卷积策略用于拓展特征图尺寸，使网络的输入尺寸与输出预测图大小匹配。网络生成的概率预测图通过训练一个softmax分类器，对预测图像取二值化，获得最终的分割结果。为克服原始图像中有效组织较少的问题，采用dice相似性系数作为卷积网络的损失函数。 本文算法以Dice相似性系数和Hausdorff距离作为评价指标，在MICCAI 2012数据集中，Dice相似性系数大于89.75%，Hausdorff距离小于1.3 mm，达到了传统方法的分割精度，并且将处理时间缩短在1 min以内，明显优于其他方法。 定量与定性的实验表明，基于反卷积神经网络的前列腺分割方法可以准确地对磁共振图像进行分割，相比于其他分割算法大幅度减小了处理时间，能够很好地适用于临床的前列腺图像分割任务。关键词：前列腺分割;磁共振图像;卷积神经网络;Dice相似性系数;Hausdorff距离5826|349|9更新时间：2024-05-07
- 摘要：在基于知识的颅面复原中，为了对未知颅骨的面貌进行复原，需要在颅骨库里寻找相似颅骨，将相似颅骨的面皮作为参考。寻找相似颅骨的过程即颅骨配准，配准的精度和效率是两个重要性能指标。本文提出一种基于特征区域和改进ICP（iterative closest point）算法的层次化颅骨配准方法。 首先，将颅骨模型去噪、简化并归一化，通过计算体积积分不变量，确定每个点的凹凸性；使用K-means方法，将颅骨上的点聚类为多个或凹或凸的特征区域。然后，通过主成分分析法来计算两个颅骨的相似特征区域，对每一个可能的匹配计算3维变换，将两个颅骨粗略对齐；最后，采用加入迭代因子的方法对ICP算法进行改进，使用改进的ICP算法对颅骨进行精配准。 将本文方法用于颅骨模型、兵马俑模型以及公共数据集中的3维模型配准，经典ICP算法的配准时间分别为6.23 s、7.61 s、4.17 s，改进的ICP算法配准时间分别为3.02 s、3.23 s、2.83 s，算法效率提高了约2倍，配准效果也有明显提高。实验中通过对迭代因子的测试，发现不同的数据集需要设定不同的迭代因子。 本文所提出的基于区域特征的层次化配准方法提高了颅骨配准的精度和效率，整个过程不需要人工干预，该算法具有一定的普适性，可用于相似3维模型配准。关键词：颅骨配准;特征区域;积分不变量;主成分分析法;改进迭代最近点(ICP)算法;迭代因子2265|311|3更新时间：2024-05-07
医学图像处理
- 摘要：遥感图像飞机目标的检测与识别是近年来国内外研究的热点之一。传统的飞机目标识别算法一般是先通过目标分割，然后提取不变特征进行训练来完成目标的识别。在干扰较少的情况下，传统算法的识别效果较好。但遥感图像存在着大量的干扰因素，如光照变化、复杂背景及噪声等，因此传统算法识别精度较低，耗时量较大。为快速、准确识别遥感图像中飞机目标，提出一种基于显著图和全局特征、局部特征结合的飞机目标识别算法。 首先使用改进的Itti显著算法提取遥感图像中的显著目标；接着使用基于区域增长和线标记算法寻找连通区域来确定候选目标的数量和位置；然后提取MSA（multi-scale autoconvolution）、Pseudo-Zernike矩和Harris-Laplace特征描述子，并使用标准差和均值的比值来评估特征的稳定性，再把提取的特征结合成特征向量；最后应用支持向量机的方法完成对候选目标的识别。 实验结果表明，本文算法检测率和识别率分别为97.2%和94.9%，均高于现有算法，并且耗时少，虚警率低（为0.03），对噪声干扰、背景影响以及光照变化和仿射变化均具有良好的鲁棒性。 本文算法使用了图像的3种特征信息，包括MSA、Pseudo-Zernike矩和Harris-Laplace特征描述子，有效克服单一特征的缺点，提高了遥感图像飞机目标的识别率和抗干扰能力。关键词：飞机目标识别;遥感图像;显著图;MSA;不变矩;Harris-Laplace3458|350|9更新时间：2024-05-07
- 摘要：混合像元问题在高光谱遥感图像处理分析中普遍存在，非负矩阵分解的方法被引入到高光谱图像解混中。本文提出结合空间光谱预处理和约束非负矩阵分解的混合像元分解流程。 结合空间光谱预处理的约束非负矩阵分解，如最小体积约束、流行约束等，通过加入邻域的空间和光谱信息进行预处理获得更优的预选端元，从而对非负矩阵分解的解混结果进行优化。 在5组不同信噪比的模拟数据实验中，空间预处理（SPP）和空间光谱预处理（SSPP）均能够有效提高约束非负矩阵分解（最小体积约束的非负矩阵分解和图正则非负矩阵分解）的解混结果，其中SPP在不同信噪比的情况下都能优化约束非负矩阵分解的结果，而SSPP在低信噪比的情况下，预处理效果更佳。利用美国内华达州Cuprite矿区数据进行真实数据实验，SPP提高了约束非负矩阵分解的解混精度，而SSPP在复杂场景下，解混精度更佳。模拟数据和真实数据的实验均表明，空间光谱预处理能够有效地提高约束非负矩阵分解的解混精度，特别是对于信噪比较低的情况下，融合空间和光谱信息对噪声有很好的鲁棒性。 本文对约束非负矩阵分解的解混算法添加空间光谱预处理，利用高光谱遥感数据的空间和光谱信息，优化预选端元，加入空间光谱预处理的非负矩阵解混实验流程，在复杂场景情况下，对噪声具有较好的鲁棒性。关键词：高光谱图像;混合像元分解;非负矩阵分解;空间光谱预处理;光谱混合分析2578|408|6更新时间：2024-05-07
遥感图像处理
- 摘要：全球最高30 m分辨率的地表覆盖数据GlobeLand30具有高分辨率、高精度等特性，为全球制图提供了重要的数据来源。如何快速准确地识别GlobeLand30与矢量数据中的同名实体，对于空间数据的更新、集成与融合具有重要的意义，针对当前该数据与矢量数据匹配识别方法存在的不足，本文提出一种新的综合相似性度量方法。 利用面实体轮廓线的多级弦长、拱高和中心距离等特性，构造多级弦长拱高复函数对其整体和细节特征进行描述；然后对面实体轮廓线进行等间隔重采样，通过快速傅里叶变换得到傅里叶描述子对面实体间的形状相似性进行度量；最后将面实体的位置、大小、方向和形状进行加权综合，得到一种综合相似性度量模型。 将本文综合相似性度量模型应用到GlobeLand30与矢量数据面状水体的匹配中，实验结果为查准率为100%，查全率为97.1%，匹配速度和准确率优于其他文献所提出的方法，当拱高级数为4时，匹配效果达到最优；最后，将该相似性度量模型应用到GlobeLand30数据化简和光滑前后的相似性度量上，也取得了很好的应用效果。 本文方法适用于GlobeLand30与矢量数据的相似性度量，对于GlobeLand30与矢量数据的集成与融合，对利用GlobeLand30进行矢量数据的生产与更新具有重要的意义。关键词：GlobeLand30;多级拱高复函数;傅里叶描述;相似性度量;面匹配2622|321|5更新时间：2024-05-07
地理信息技术
- 地址：北京市海淀区北四环西路19号中科院电子所主楼223室 邮编：100190
- 联系电话：010-58887035/58887030/58887418 Email：jig@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备05080539号-4
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0