50、基于机器学习算法融合的图像分割与卫星图像超分辨率研究

基于机器学习算法融合的图像分割与卫星图像超分辨率研究

1. 图像分割系统概述

在建筑领域，对砖墙近距离图像进行准确的二值分割至关重要。有一种计算机视觉系统能够实现这一目标，该系统具有诸多优势：
- 成本效益高 ：仅需具备立体视觉能力的廉价硬件，如英特尔RealSense D435。
- 准确性高 ：通过结合多个分类器的结果来实现。
- 灵活性强 ：系统可以轻松添加额外的分类器进行扩展。

该视觉系统在约900万个数据点上进行了评估，最终F1分数达到0.94，准确率达到0.95。不过，在一些情况下仍存在小问题，例如阴影区域和多色砖块区域的分割效果有待提升。

1.1 存在的问题示例

以砖墙图像分割为例，虽然可以通过将形状简化为更规则的矩形（假设砖块为矩形）来在一定程度上改善分割效果，但仍存在严重问题。比如中间大砖块的左上角未被分类为砖块，这会让机器人误以为该位置是灰浆，从而可能磨掉砖块的角落。

1.2 改进建议

为了进一步提高最终分割的准确性，可以对阈值操作进行动态修改。例如，在组合掩码中尝试在不同灰度级别上寻找砖块形状（即矩形），这相当于进行局部阈值设定，而非使用单一的全局阈值。可以针对阴影区域等特定部分训练表现良好的分类器，然后为这些部分使用局部阈值（甚至更高的局部权重），从而在二值化过程中利用局部信息使最终掩码更加准确。

2. 卫星图像超分辨率研究

2.1 研究背景与目标

利用高分辨率（HR）卫星图像从太