基于邊緣檢測及Markov隨機場模型的遙感圖像分割研究.pdf

1、圖像分割是圖像工程的一個重要的步驟，是圖像處理到圖像理解和分析的必由環(huán)節(jié).人們很早就開始了對圖像分割方法的研究，并且?guī)资陙恚@方面的研究從來沒有間斷過.到目前為止，已經(jīng)有大量的關(guān)于圖像分割的理論、技術(shù)、方法被人們提出并廣泛應(yīng)用.在遙感領(lǐng)域，由于遙感圖像的尺寸大、多波段、內(nèi)容豐富多樣、紋理特征豐富、多尺度等特征，對遙感圖像的分割比一般圖像的分割難度更大，簡單地將一般圖像的分割方法運用到遙感圖像的分割中并不能得到令人滿意的結(jié)果，因此需要對

2、這些方法做出改進(jìn)或者提出新的方法以適應(yīng)對遙感圖像分割的要求.本文以遙感圖像為主要的分割對象，對圖像分割的相關(guān)技術(shù)進(jìn)行了研究，并提出了一種有效的遙感圖像分割方法. 論文的主要研究內(nèi)容包括； (1)對近些年的圖像分割方法和遙感圖像分割方法進(jìn)行了回顧和總結(jié)，并對它們的優(yōu)、缺點進(jìn)行了分析，指出了進(jìn)一步研究的方向. (2)LIP模型能夠克服傳統(tǒng)的圖像處理模型中可能出現(xiàn)的越界問題，更適合對圖像進(jìn)行各種操作，本文提出了一種基于

3、LIP模型的邊緣檢測方法，通過實驗表明了方法的有效性和與經(jīng)典的邊緣檢測方法及LIP-Sobel算子相比的優(yōu)越性，并對基于LIP模型的邊緣檢測方法的對低亮度圖像敏感的性質(zhì)，給出了理論證明. (3)CLARANS算法容易陷入局部最優(yōu)點，為了克服這個問題，本文提出了基于模擬退火的CLARANS聚類方法. (4)提出了基于邊緣檢測的初始圖像分割策略，引入高斯馬爾可夫隨機場(GMRF)模型提取紋理特征，應(yīng)用基于模擬退火的CLARA