XiaoMi-AI文件搜索系统
World File Search System均匀区域
使用阴影信息在可见光波段图像中进行基于形状的建筑物检测
摘要 —本文介绍了一种从仅具有可见红、绿、蓝数据带的单个高分辨率光学图像中自动检测建筑物的新方法。特别是，我们首先调查阴影证据以关注建筑物区域。然后，提出了一种基于马尔可夫随机场 (MRF) 的新型区域增长分割技术。图像被过度分割为较小的均匀区域，可用于替换像素网格的刚性结构。然后对该区域集应用迭代分类合并。在每次迭代中，使用区域级 MRF 模型对区域进行分类，然后根据阴影的位置，合并具有相同类别的区域以产生形状适合矩形的新区域。使用递归最小边界矩形确定最终建筑物。实验结果证明，该方法适用于各种区域（高密度城市、郊区和农村），并且具有高度的稳健性和可靠性。
可见光波段图像中基于形状的建筑物检测...
摘要 —本文介绍了一种从仅具有可见红、绿和蓝数据带的单个高分辨率光学图像中自动检测建筑物的新方法。具体来说，我们首先调查阴影证据以关注建筑物区域。然后，提出了一种基于马尔可夫随机场 (MRF) 的新型区域增长分割技术。图像被过度分割成较小的均匀区域，可用于替换像素网格的刚性结构。然后对该区域集应用迭代分类合并。在每次迭代中，使用区域级 MRF 模型对区域进行分类，然后根据阴影的位置，合并具有相同类别的区域以产生形状适合矩形的新区域。使用递归最小边界矩形确定最终的建筑物。实验结果证明，所提出的方法适用于各种地区（高密度城市、郊区和农村），并且具有高度的稳健性和可靠性。
使用阴影信息在可见光波段图像中进行基于形状的建筑物检测
摘要 —本文介绍了一种从仅具有可见红、绿、蓝数据带的单个高分辨率光学图像中自动检测建筑物的新方法。具体来说，我们首先调查阴影证据以关注建筑物区域。然后，提出了一种基于马尔可夫随机场 (MRF) 的新型区域增长分割技术。图像被过度分割为较小的均匀区域，可用于替换像素网格的刚性结构。然后对该区域集应用迭代分类合并。在每次迭代中，使用区域级 MRF 模型对区域进行分类，然后根据阴影的位置，合并具有相同类别的区域以产生形状适合矩形的新区域。使用递归最小边界矩形确定最终建筑物。实验结果证明，该方法适用于各种区域（高密度城市、郊区和农村），并且具有高度的稳健性和可靠性。
范德华异质结构的超干净装配
图1：VDW异质结构的无机组装。（a）几个从硅芯片伸出的悬臂的SEM显微照片。（b）示意图和（c）横截面高角环形暗场（HAADF）扫描透射电子显微镜（STEM）图像，显示了悬臂的多层金属涂层，可容纳2DM标本（样品中显示了多层MOS 2晶体中的样品）。（d）使用能量色散X射线光谱法在（c）中显示的区域的元素映射。（E）涂层过程后悬臂表面的AFM显微照片。均方根粗糙度值（r rms）在图像e上指示。 （F-H）采用的步骤将HBN晶体拾起到制造的悬臂上：（f）对齐，（g）接触和（h）升降。sem（l）和悬臂的光学（M）显微照片，拾取了厚（约40 nm）HBN晶体后。（i，j）拾取石墨烯晶体的步骤：对齐（I），接触和升降（J）。（n）光学显微照片显示了SIO 2上与石墨烯接触的悬臂（用虚线突出显示）。悬臂的灵活性可以准确控制层压过程。（k）石墨烯/HBN堆栈沉积在底部HBN晶体上。在整个底部HBN晶体被悬臂覆盖以选择性释放堆栈而不是将其捡起之前，层压过程要停止。（O）光学显微照片显示了氧化硅晶片上产生的异质结构，显示了较大的均匀区域。可以在补充第2节中找到有关其他样本的更多数据。
边缘检测技术与...的比较研究
MRI 之所以能利用单个原子核的磁性，是因为图像处理现在是医学等许多生活方面的重要阶段。图像处理使用数学运算符来分析和处理数字图片。边缘检测是此过程中的关键阶段。这两组特征都将图片的数据描述为图像处理的输入。当图片出现突然的不连续性时，边缘检测就是识别和检测分隔它们的线的行为（L. Han, Y. 2020）。像素强度不连续性描述了图片中项目之间的边界。边缘检测几乎普遍使用一种运算符（二维滤波器），该运算符对图片中的大梯度敏感，同时在均匀区域返回零值。边缘检测运算符的数量惊人，每个运算符都针对检测某些类型的边缘进行了优化。边缘方向、噪声环境和边缘结构都是选择边缘检测运算符时要考虑的因素。灰度值的不连续性使边缘具有独特的外观。这意味着边缘表示一个项目结束而另一个项目开始的点。许多因素都会影响图像边缘的外观，包括：数字图像的亮度在某些点突然波动，并且对象的几何和光学特征以及边缘识别的数学算法用于识别这些点（或换句话说，具有不连续性）。近年来，研究人员对此产生了关注（R. Bausys，2020 年；M. Ravi Kumar 等人，2020 年；P. Kanchanatripop 和 D. Zhang，2020 年；SKT Hwa，2020 年；S. Bourouis、R. Alroobaea，2020 年；ZH Naji，2020 年；AK Bharodiya 和 AM Gonsai，2019 年；J. Mehena，2019 年）。