【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种基于cogaswt的灾区道路识别与检测方法。
技术介绍
1、在自然灾害发生后，通过无人机对灾区道路进行拍照并分析是对灾区道路进行快速检测和评估救援的重要任务。目前先进的传输技术已经能够提供高分辨率的图像数据，为灾区道路的提取提供了有效的手段，接下来便是对获得到的图像进行分析。
2、传统的灾区道路提取方法常常受到树木遮挡和路面色彩不均等因素的影响，导致道路提取不完整。为了克服这些问题，学者们提出了多种算法来改善道路提取的效果。其中，基于聚类分割、霍夫直线检测、特征提取和分类等方法在短时间内可以得到结果，但在山区道路复杂多变的情况下，往往会受到干扰，导致道路与背景的分割不准确。另一种方法是基于深度神经网络的算法，它能够利用大量的数据进行学习，从而实现准确的道路和背景分割。然而，由于灾区道路提取的实时性要求，基于深度神经网络的方法在实践中仍然存在一些挑战。此外，传统的笔画宽度变换算法在灾区道路提取中的应用较少，并且在干扰信息多、背景复杂的图像上容易产生边缘过多、对道路提取不完善以及检测出的非道路...
【技术保护点】
1.基于CoGASWT的灾区道路识别与检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于CoGASWT的灾区道路识别与检测方法，其特征在于，步骤2具体为：将RGB颜色空间的灾区航拍道路图像转换到HSV颜色空间，图像由R、G、B颜色分量转变为H、S、V三个分量，其中H表示图像的色调，S表示图像的饱和度，V表示图像的明度。
3.根据权利要求1所述的基于CoGASWT的灾区道路识别与检测方法，其特征在于，步骤3中对步骤2中得到的图像IH进行MinRTV处理，获得去除树木干扰的图像Idistr，表达式如下：
4.根据权利要求...
【技术特征摘要】
1.基于cogaswt的灾区道路识别与检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于cogaswt的灾区道路识别与检测方法，其特征在于，步骤2具体为：将rgb颜色空间的灾区航拍道路图像转换到hsv颜色空间，图像由r、g、b颜色分量转变为h、s、v三个分量，其中h表示图像的色调，s表示图像的饱和度，v表示图像的明度。
3.根据权利要求1所述的基于cogaswt的灾区道路识别与检测方法，其特征在于，步骤3中对步骤2中得到的图像ih进行minrtv处理，获得去除树木干扰的图像idistr，表达式如下：
4.根据权利要求3所述的基于cogaswt的灾区道路识别与检测方法，其特征在于，λminrtv取值为0.03，ε取0.02，滤波模板σ取3。
5.根据权利要求1所述的基于cogaswt的灾区道路识别与检测方法，其特征在于，步骤4中对步骤3...
【专利技术属性】
技术研发人员：黄鹤，董兆龙，惠晓滨，黄莺，崔颢，梁浩锋，
申请(专利权)人：西安汇智信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。