PDE圖像處理方法在遙感圖像目標識別中的應(yīng)用研究.pdf

1、在過去的二十年中，基于偏微分方程(Partial Differential Equation，PDE)的圖像處理方法是圖像處理領(lǐng)域所取得的最為重要的成果之一。對于發(fā)展遙感圖像的目標自動識別技術(shù)，運用基于偏微分方程的圖像處理方法來解決其中長期存在的一些難點問題將是一個有益的嘗試。本文主要針對基于偏微分方程的圖像處理方法在遙感圖像目標識別涉及的圖像預(yù)處理、分割以及基于形狀先驗信息的目標識別中的應(yīng)用進行了研究。 一方面，本文對一些經(jīng)典

2、的基于偏微分方程的圖像處理方法進行了回顧，并通過實驗對它們在遙感圖像處理中的應(yīng)用進行了分析，包括Perona和Malik所提出的P-M各項異性擴散模型、Mumford-Shah模型、CV模型以及建立在CV模型基礎(chǔ)上的引入形狀輪廓先驗信息的PDE分割模型。 另一方面，在目前的基于偏微分方程的圖像處理方法的基礎(chǔ)上，對這些方法進行進一步的改進、發(fā)展。首先，針對CV模型存在的一些嚴重的缺點：水平集函數(shù)的零水平集進化速度緩慢且需要重新初始

3、化，無法實現(xiàn)多區(qū)域分割，本文在CV模型的基礎(chǔ)上，通過改進分割水平集函數(shù)的初始化，引入?yún)^(qū)域分割控制條件實現(xiàn)了一個基于單水平集的圖像多區(qū)域分割方法，實驗分析表明該方法對包括遙感圖像在內(nèi)的多類圖像取得良好的分割結(jié)果，能夠適應(yīng)包含不同區(qū)域類別數(shù)的圖像，同時較準確的保持了區(qū)域的邊界：其次，在Chan等人提出的引入形狀輪廓先驗信息PDE圖像分割模型的基礎(chǔ)上，本文通過引入水平集相似性度量分析比較區(qū)域能量項收斂結(jié)果與形狀輪廓先驗信息能量項收斂結(jié)果，建立