10、AdaMS：从图像中自适应提取山脉轮廓

AdaMS：从图像中自适应提取山脉轮廓

1. 引言

在社交媒体服务普及和智能手机广泛使用的时代，与他人分享经历变得愈发重要。这使得每天可公开获取的照片数量大幅增加，例如在 Instagram 上，用户每天大约会分享 8000 万张新照片。然而，大多数这些照片没有被正确标记，导致我们难以知晓照片内容，这也增加了搜索特定主题图像的难度。因此，高效精确的图像自动目标识别算法需求日益增长，以便在无需人工干预的情况下进行后续标记。

我们的工作聚焦于自动地标识别，以山脉识别为例。这项任务颇具挑战性，因为山脉本身存在诸多问题，如多变的天气条件、雪线与云层的结合、植被遮挡等，这些都使提取用于描述山脉的有意义特征变得复杂。此外，山脉的外观很大程度上取决于相机的视角，这导致同一座山脉可能有大量不同的特征描述。

一种常见的山脉识别方法是将图像中山脉的轮廓与已知轮廓进行匹配，这些已知轮廓可从数字高程地图中提取。随着具备 GPS 定位功能的设备（如智能手机和带有 GPS 单元的相机）的普及，这项任务变得相对简单。但仍有许多图像（尤其是旧的图像集）没有 GPS 数据，因此开发一种能处理无 GPS 数据图像的算法仍具有重要价值。这就要求从查询图像中提取高度精确的山脉轮廓。

我们引入了 AdaMS（自适应山脉轮廓）提取算法，旨在通过自适应网格分割减少分割误差或障碍物导致的轮廓伪像。具体做法是先使用异常值检测算法识别可能的伪像，然后对遇到的异常值进行分类，以选择合适的去除方法。如果异常值被归类为分割错误，我们会在局部区域重新计算分割以消除它；如果伪像是由障碍物引起的，重新计算分割无法改善结果，我们则直接去除该伪像。

2. 相关工作