基于Mean Shift的遙感圖像分割方法研究.pdf

1、隨著科技的進步、社會的發(fā)展，遙感技術(shù)應(yīng)用范圍也越來越廣，在資源探查、環(huán)境評估、災(zāi)害預(yù)測、區(qū)域識別、城市監(jiān)測等方面也有突出貢獻。在遙感圖像識別、分析、加工上，遙感圖像分割是遙感圖像處理領(lǐng)域中的關(guān)鍵問題之一，也是最基本的問題。雖然出現(xiàn)了各種遙感圖像分割方法，但由于遙感圖像地物的復(fù)雜性和多樣性，遙感圖像分割仍是國際學(xué)術(shù)界公認的最困難的問題之一。本文基于Mean Shift，研究遙感圖像的分割方法，其主要研究工作包括：
　?。?）提出一種

2、結(jié)合分水嶺的Mean Shift分割方法，首先利用分水嶺方法對遙感圖像進行初始分割，在得到的分水嶺分割小區(qū)域內(nèi)作Mean Shift平滑，然后對得到的平滑圖像作Mean Shift分割。經(jīng)分水嶺分割后的區(qū)域瑣碎而細小，但這些區(qū)域內(nèi)部的特質(zhì)、屬性都相同，把這些小塊作為Mean Shift的初始化分割的對象，有利于加快Mean Shift分割效率，將分水嶺的過分割缺點轉(zhuǎn)化為優(yōu)勢。
　?。?）嘗試將分級Mean Shift分割方法應(yīng)用于

3、遙感圖像分割，首先利用Mean Shift分割方法作一次圖像分割，然后不斷增大分割參數(shù)，對得到的分割圖像反復(fù)作多次Mean Shift分割，直到得到最終分割圖像。
　　（3）面向?qū)ο筮b感圖像分割中，包括區(qū)域面積、區(qū)域周長、灰度均值、邊緣梯度、鄰接關(guān)系5個參數(shù)，需要多次反復(fù)實驗選擇分割尺度和參數(shù)，大大降低了分割效率。本文根據(jù)區(qū)域的光譜特征和形狀特征（包括緊致度和光滑度），結(jié)合Vague集模糊熵（Vague熵），提出一種對光譜權(quán)重、緊

4、致度權(quán)重、光滑度權(quán)重3個權(quán)重參數(shù)實現(xiàn)自動選擇的方法，在面向?qū)ο蠓指睿▍^(qū)域合并）過程中能根據(jù)合并對象的光譜、形狀特征自動選擇最優(yōu)的權(quán)重參數(shù)，而且每次合并，權(quán)重參數(shù)都隨合并對象的特征而改變，權(quán)重參數(shù)的選擇具有自適應(yīng)性。通過此方法對圖像分割能得到一個最優(yōu)的分割結(jié)果。
　　上述方法通過MATLAB編程，在SPOT和快鳥高分辨率遙感圖像上實驗表明：結(jié)合分水嶺的Mean Shift和分級Mean Shift分割方法能夠有效保留圖像細節(jié)，減少過