基于RJMCMC算法的可變類遙感圖像分割.pdf

1、在遙感圖像分割中，自動(dòng)確定圖像類別數(shù)是其重點(diǎn)也是難點(diǎn)問題，為此，提出了基于像素和區(qū)域兩種策略下利用可逆跳變馬爾可夫鏈蒙特卡羅(Reversible Jump Markov Chain Monte Carlo,RJMCMC)算法實(shí)現(xiàn)可變類圖像分割的方法。
　　首先，根據(jù)貝葉斯定理建立基于像素和區(qū)域的分割模型。在基于像素的分割模型中，為了表達(dá)像素標(biāo)號(hào)的鄰域關(guān)系，用馬爾可夫隨機(jī)場(chǎng)(Markov Random Field,MRF)建模標(biāo)號(hào)

2、場(chǎng)；假設(shè)其同質(zhì)區(qū)域內(nèi)各像素服從同一獨(dú)立的統(tǒng)計(jì)分布；然后利用貝葉斯定理，構(gòu)建后驗(yàn)概率密度函數(shù)。在基于區(qū)域的分割模型中，首先利用規(guī)則劃分技術(shù)將圖像域劃分成若干個(gè)子塊，在此基礎(chǔ)上，用改進(jìn)的Potts模型刻畫標(biāo)號(hào)場(chǎng)；假設(shè)同一子塊的像素服從同一獨(dú)立的統(tǒng)計(jì)分布且所有子塊相互獨(dú)立，從而構(gòu)建圖像模型；然后根據(jù)貝葉斯定理，建立基于區(qū)域的分割模型。圖像分割模型建立完成后，利用RJMCMC算法模擬該模型。在模擬過程中，設(shè)計(jì)的移動(dòng)操作包括：分裂或合并實(shí)類、改變