基于递归扩展细分的局部自适应图像过
Jialiang Zhang1, Chuheng Chen2, Kai Chen2
1School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing 210046, China.
Sensors (Basel, Switzerland)
|July 14, 2023
概括
本研究介绍了一种使用递归扩展细分 (RDS) 的新本地自适应图像过 (LAIF) 方法. 通过过相似的像素,LAIF有效地平滑图像,在遥感应用中表现出强的性能.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 遥感 遥感 遥感 遥感
背景情况:
- 传统的图像过方法往往在保护细节,同时减少噪音方面扎.
- 在远程传感等领域,对强大的图像过技术的需求至关重要.
研究的目的:
- 介绍一种新且有效的图像过方法,即本地自适应图像过 (LAIF).
- 利用一种新的图像细分技术,即递归扩展细分 (RDS),以改进过.
- 为了证明LAIF在遥感任务中的适用性和有效性.
主要方法:
- 开发了递归扩展细分 (RDS) 来根据像素强度,色调和空间信息将图像分成区域.
- 实现了局部自适应图像过 (LAIF),通过RDS识别的局部相似像素的平均值来平滑像素.
- 在RDS中以递归方式利用空间相邻信息进行稳健的细分.
主要成果:
- 通过选择性地平均类似的像素,LAIF实现了有效的图像光滑.
- 通过整合多个信息来源 (强度,色调,空间),RDS证明了其稳健性.
- 在遥感应用中,LAIF表现出了出色的结果,包括除尘,除尘,增强和边缘保护.
结论:
- 拟议的LAIF方法是一种简单但有效的图像过技术.
- 与最先进的方法相比,LAIF在各种过任务中表现出卓越的性能.
- 整合RDS提高了过的稳定性和准确性,特别是对于遥感数据.
