建立自己个人网站怎么建立,wordpress 互动模块,石家庄建工科技学院石家庄做网站,windows搭建网站开发本科低年级曾经做过一个提取道路线的题目。提供的数据#xff1a;老师给我们了一幅学校周边地区的影像#xff0c;包括RGBInfrared四个波段。一开始使用的方法#xff1a;当时尚青涩的我和小伙伴们一起使用KMEANS、阈值分割等等方法试图将那道路从影像中分离出来。遇到的问题…本科低年级曾经做过一个提取道路线的题目。提供的数据老师给我们了一幅学校周边地区的影像包括RGBInfrared四个波段。一开始使用的方法当时尚青涩的我和小伙伴们一起使用KMEANS、阈值分割等等方法试图将那道路从影像中分离出来。遇到的问题道路是用沥青或水泥做的楼房也是如此因此二者光谱信息相似异物同谱。只利用光谱信息楼房和道路难以分辨。当时的解决方案当时我希望用形态学的开运算将楼房慢慢删去值得庆幸得是学校周围的房子都比较小开运算几次就可以去除而且不会对道路造成太严重的影响。同时我们也试图通过道路和楼房的几何信息来分类道路是细长的而楼房的长宽比没那么夸张。于是我们采用opencv提供的 提取小斑块 的算法希望来删掉找到的小斑块楼房。有一定效果但是需要手动设定若干参数一点点调整。每套参数只对一幅图有效。遥感解译课程学到的 解决方案 使用MBI算法可以将亮度值相比周围环境比较高的楼房高亮出来。将MBI的结果作为一个波段使用RGBInfraredMBI进行分类可以将道路和楼房很好地区分开来。[论文原文是直接取阈值进行楼房提取因为当一个特征足够强大时可以直接用取阈值的方法将图像进行二分类]MBI的代码详见我的GITHUBPriority-At-Next-Intersection/MBIMBI的论文https://ieeexplore.ieee.org/document/6056582 Published on IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing in 2011.注意:这是一个非机器学习方法。