遙感圖像中建筑物分割方法研究.pdf

1、　　建筑物是城市遙感圖像的典型地物之一,對(duì)遙感圖像中建筑物進(jìn)行提取和測量廣泛應(yīng)用于地物測繪、GIS 系統(tǒng)更新、數(shù)字化城市以及軍事偵察等領(lǐng)域。遙感圖像分割是實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵。為了快速有效地從遙感圖像中分割并提取目標(biāo)建筑物,本文采用無監(jiān)督環(huán)境下基于馬爾可夫隨機(jī)場(Markov Random Field, MRF)方法對(duì)遙感圖像中建筑物目標(biāo)進(jìn)行分割。
　　首先對(duì)空域MRF模型圖像分割方法進(jìn)行了研究?？沼騇RF模型從統(tǒng)計(jì)學(xué)角度出發(fā),

2、將圖像各個(gè)像素顏色值視為具有一定概率分布的隨機(jī)變量,在已知特征場觀測值條件下,將圖像像素間馬爾可夫性作為待分割圖像的先驗(yàn)分布,采用貝葉斯規(guī)則通過數(shù)學(xué)模型進(jìn)行圖像分割。借助MRF和GRF的等效性,將后驗(yàn)概率計(jì)算問題轉(zhuǎn)化為后驗(yàn)?zāi)芰坑?jì)算,采用ICM算法作為優(yōu)化算法求解得到概率最大的狀態(tài)。最后通過EM算法迭代使得參數(shù)估計(jì)和圖像分割交替進(jìn)行,求得隱數(shù)據(jù)的一個(gè)最佳實(shí)現(xiàn)。
　　由于遙感數(shù)字圖像通常不是平穩(wěn)的隨機(jī)信號(hào),為了更好表達(dá)圖像的非平穩(wěn)

3、特性,將小波分析和 Markov 隨機(jī)場模型結(jié)合進(jìn)行遙感圖像中建筑物目標(biāo)分割。首先小波分解得到圖像的多尺度序列作為各個(gè)尺度特征場的觀測值,采用高斯混合模型建模特征場,以 MRF模型作為標(biāo)記場先驗(yàn)概率分布模型,大尺度的分割結(jié)果直接投影到小尺度上,作為初始結(jié)果并進(jìn)行優(yōu)化。如此迭代最終獲得原始分辨率的分割結(jié)果。
　　最后,對(duì)分割結(jié)果進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理,利用相關(guān)性和常見建筑物形狀模板進(jìn)行匹配,檢測建筑物目標(biāo)的位置。通過選擇多幅遙感圖片