发明名称 |
基于机器学的水文曲线提取方法 |
摘要 |
本发明公开了一种基于机器学的水文曲线提取方法。本发明方法对水文资料图像进行曲线提取时,选用并提取图像中具有辨别能力的某些特征,并采用尺度可变的采样窗口对一定区域的图像像素进行采样,作为样本数据,通过机器学的方法划分具有不同特征的图像成分,且根据分类效果通过增量方式添加新的训练样本;并利用链码跟踪进行后处理,有效的除去了分类后产生的噪声影响。相比现有技术,本发明解决了要提取的水文曲线较细时尤为突出的目标曲线断线问题,而该问题在原有的水文曲线提取方法中难以得到有效解决。 |
申请公布号 |
CN106203496A |
申请公布日期 |
2016.12.07 |
申请号 |
CN201610520993.4 |
申请日期 |
2016.07.01 |
申请人 |
河海大学 |
发明人 |
李士进;郑展;朱跃龙;郝立;余宇峰;胡金龙;高祥涛;冯钧;万定生 |
分类号 |
G06K9/62(2006.01)I;G06K9/46(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
南京苏高专利商标事务所(普通合伙) 32204 |
代理人 |
窦贤宇 |
主权项 |
一种基于机器学习的水文曲线提取方法,其特征在于,包括以下步骤:步骤A、选定采样窗口的尺度及需采样的目标特征,并据此采集具有代表性的训练样本集合;步骤B、利用机器学习方法从训练样本中训练产生分类预测模型;步骤C、对待处理图像中的各个像素,按照采样窗口采集得到目标特征作为待分类样本,利用所述分类预测模型进行分类;步骤D、判断待处理图像中各个像素的分类结果是否达到预期,曲线是否提取完整以及是否存在其他分类错误明显的区域;若分类结果达到预期,则进入步骤F;否则,进入步骤E;步骤E、从曲线断线区域以及分类错误明显的区域选取具有代表性的样本点,对其采样后添加到训练样本集合中,并重复步骤B;步骤F、对处理后的图像进行后处理。 |
地址 |
211199 江苏省南京市江宁区佛城西路8号 |