基于小波變換的護(hù)坡植被根系圖像邊緣檢測(cè).pdf

1、近幾年,植被護(hù)坡的方法在邊坡治理中被廣泛應(yīng)用,該方法兼具了邊坡綠化和邊坡加固的雙重作用。本論文選題于國(guó)家自然基金項(xiàng)目“基于根際微結(jié)構(gòu)動(dòng)態(tài)模型分析的植被固坡作用機(jī)理研究”。該基金項(xiàng)目,運(yùn)用陣列分布內(nèi)窺式圖像手段獲取護(hù)坡植物生長(zhǎng)過(guò)程中的根形態(tài)和土體結(jié)構(gòu)、顆粒組成、土壤裂隙等根際物理因子的圖像信息。然后對(duì)采集的圖像信息進(jìn)行分析和處理,并建立植被根際微結(jié)構(gòu)動(dòng)態(tài)分析模型,通過(guò)對(duì)模型進(jìn)行分析,探索植被固坡機(jī)理以實(shí)現(xiàn)植被固坡作用的定量分析。
　

2、　 本論文利用圖像處理技術(shù)對(duì)與根系形態(tài)密切相關(guān)的參數(shù)根系邊緣進(jìn)行了檢測(cè)處理,對(duì)根系模型的建立,基金項(xiàng)目的實(shí)施和完成具有很大幫助。
　　 邊緣作為圖像的重要特征,是圖像像素灰度不連續(xù)的表現(xiàn),也即圖像像素中奇異點(diǎn)的集合。在圖像處理中,邊緣檢測(cè)具有十分重要的作用。因?yàn)檫吘壷型ǔ０芏嘤袃r(jià)值的目標(biāo)邊界信息,這些邊界信息構(gòu)成了圖像的輪廓特征。根系圖像的輪廓正是項(xiàng)目實(shí)施過(guò)程中需要進(jìn)行檢測(cè)和提取的邊緣特征。
　　 小波變換是在傅

3、里葉變換基礎(chǔ)上發(fā)展而來(lái)的數(shù)學(xué)分支,在時(shí)域和頻域均具有良好的局部化特性,可通過(guò)伸縮和平移等運(yùn)算完成對(duì)信號(hào)的多尺度細(xì)化分析,特別是在信號(hào)的奇異性檢測(cè)方面具有很大的優(yōu)勢(shì)。因而,本文采用小波變換來(lái)對(duì)采集到的護(hù)坡植被根系圖像進(jìn)行邊緣檢測(cè)處理。
　　 本文首先采用了傳統(tǒng)的微分邊緣檢測(cè)算子對(duì)護(hù)坡植被根系圖像進(jìn)行了邊緣檢測(cè)。檢測(cè)結(jié)果表明微分算子對(duì)噪聲比較敏感,而且在單一的檢測(cè)尺度下并不能很好的檢測(cè)出根系邊緣的細(xì)節(jié)信息。之后,根據(jù)小波函數(shù)的多分辨

4、率特性,選用高斯函數(shù)的偏導(dǎo)數(shù)作為小波函數(shù),利用模極大值的邊緣檢測(cè)方法對(duì)根系圖像進(jìn)行了多尺度下的邊緣檢測(cè)。檢測(cè)結(jié)果表明多尺度下的邊緣檢測(cè)可以更好的抑制噪聲的影響,并且在圖像邊緣的細(xì)節(jié)信息和邊緣的完整性都有很好的檢測(cè)效果。文章最后選用了三次B樣條小波函數(shù)對(duì)護(hù)坡植被的根系圖像進(jìn)行了多尺度下的邊緣檢測(cè)。先根據(jù)Canny的邊緣檢測(cè)準(zhǔn)則證明了三次B樣條小波的近似最優(yōu)性,然后通過(guò)計(jì)算求出了三次B樣條小波的高通和低通濾波器系數(shù)。B樣條小波的檢測(cè)結(jié)果表明