

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、遙感圖像分割,就是指將遙感圖像分成各具特性的區(qū)域并提取出感興趣的目標(biāo)的技術(shù)和過程,在此基礎(chǔ)上才有可能對目標(biāo)進(jìn)一步利用。因此遙感圖像分割是由遙感圖像處理到遙感圖像分析的關(guān)鍵步驟。
近年來,以馬爾科夫隨機(jī)場模型作為先驗(yàn)?zāi)P偷臒o監(jiān)督圖像分割已經(jīng)得到了廣泛應(yīng)用,實(shí)踐證明該模型有利于提高圖像分割質(zhì)量。但是由于環(huán)境和傳感器的影響,遙感圖像具有灰度變化大、紋理復(fù)雜并且邊界模糊等特點(diǎn),經(jīng)典的馬爾科夫隨機(jī)場模型并不能很好的處理分割中的相干噪聲等
2、問題。本文針對遙感圖像斑點(diǎn)噪聲大,邊界模糊的特點(diǎn),在分割中引入了結(jié)合模糊集和馬爾科夫算法的模糊馬爾科夫隨機(jī)場的無監(jiān)督算法,以SAR圖像為實(shí)驗(yàn)對象證明了該方法的準(zhǔn)確性。論文的主要工作和創(chuàng)新如下:
①分析了基于模糊集和基于馬爾科夫隨機(jī)場的分割算法,這是圖像分割中的兩大主要工具。深入分析對比了這兩種算法在遙感圖像分割上的優(yōu)劣。
?、跒榱藦浹a(bǔ)以上兩種方法各自的不足,將模糊馬爾科夫隨機(jī)場引入遙感圖像分割中,提出了基于模糊馬爾科夫
3、隨機(jī)場模型在遙感圖像分割算法中的具體構(gòu)架,使得圖像中的各點(diǎn)均從屬于某個(gè)模糊類,而再是屬于指定標(biāo)簽的確定類。該模型結(jié)合了分割問題中的隨機(jī)性與模糊性,以模糊隨機(jī)變量為基礎(chǔ),從軟分割的角度更合理地獲取了圖像的先驗(yàn)知識,較好地貼合了圖像的特點(diǎn),因而使得圖像分割過程中使用的先驗(yàn)知識更為準(zhǔn)確。
?、墼谠O(shè)計(jì)模糊馬爾科夫隨機(jī)場模型的勢函數(shù)時(shí),本文以傳統(tǒng)的多邏輯模型(MLL)為基礎(chǔ),建立了模糊MLL模型,這種模糊模型下的勢函數(shù)定量的從兩點(diǎn)的距離入
4、手,比經(jīng)典的勢函數(shù)只是定性的從兩點(diǎn)的異同入手更能細(xì)致的描述先驗(yàn)?zāi)P停冉?jīng)典的Gibbs隨機(jī)場的勢函數(shù)更細(xì)膩的刻畫了像素間的細(xì)微差別。
?、芤酝哪:指罴夹g(shù)都把精力放在了圖像的灰度特征上,這對兩類以上的目標(biāo)分割具有明顯的缺陷,為了更加準(zhǔn)確的區(qū)分圖像中的不同區(qū)域,本文在MAP-MRF框架下提取出圖像的灰度特征和紋理特征,以各自的特點(diǎn)分別建模,實(shí)驗(yàn)證明對于多值圖像效果明顯。
?、菽:R爾科夫隨機(jī)場模型和經(jīng)典馬爾科夫隨機(jī)場一樣
5、都存在一個(gè)問題,就是分割過程高度依賴從圖像特征中估計(jì)出來的參數(shù),雖然此方法使用到的參數(shù)較少,但是為了實(shí)現(xiàn)無監(jiān)督分割,分割過程必須具備參數(shù)學(xué)習(xí)的能力而無需訓(xùn)練數(shù)據(jù)。為此本文使用了修正的EM算法來估計(jì)特征參數(shù),再用模擬退火算法獲取全局最優(yōu)解。
?、拊趯?shí)驗(yàn)中,選擇了具有代表性的模糊C均值算法和經(jīng)典的馬爾科夫隨機(jī)場算法作為對比,通過針對SAR圖像的分割結(jié)果圖和求得的最大錯(cuò)分率證明了模糊馬爾科夫隨機(jī)場算法更好的處理了邊緣的混疊,明顯減少了
6、斑點(diǎn)噪聲,使分割結(jié)果更加準(zhǔn)確。
?、咴趯?shí)驗(yàn)中作者發(fā)現(xiàn)由于模糊類的引入,導(dǎo)致搜索空間變大,如若仍然采用模擬退火這種全局優(yōu)化算法的話雖然效果很好,但是分割時(shí)間會明顯變長??紤]到為了提高分割的效率,本文將優(yōu)化方案進(jìn)行了修改,提出了SA-ICM結(jié)合的組合優(yōu)化方法,雖然分割結(jié)果的正確率有稍許下降,但是將分割速度提高了近3倍,以適應(yīng)不同的分割要求。
⑧在對算法進(jìn)行實(shí)現(xiàn)中,使用VC++6.0設(shè)計(jì)完成了SAR圖像分割系統(tǒng),該系統(tǒng)將本文
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于馬爾科夫隨機(jī)場模型的圖像分割算法研究.pdf
- 基于馬爾科夫隨機(jī)場的紋理圖像分割研究.pdf
- 基于馬爾科夫隨機(jī)場理論的腦部磁共振圖像分割算法研究.pdf
- 基于馬爾科夫隨機(jī)場圖像恢復(fù)算法研究.pdf
- 基于混合粒子群優(yōu)化馬爾科夫隨機(jī)場的圖像分割.pdf
- 馬爾科夫隨機(jī)場理論在圖像分割領(lǐng)域的應(yīng)用.pdf
- 基于馬爾科夫隨機(jī)場的SAR圖像處理.pdf
- 基于馬爾科夫隨機(jī)場的紋理圖像分類.pdf
- 基于馬爾可夫隨機(jī)場的衛(wèi)星遙感圖像分割.pdf
- 基于馬爾可夫隨機(jī)場的圖像分割算法研究.pdf
- 基于馬爾科夫隨機(jī)場的三維網(wǎng)格模型分割算法研究.pdf
- 基于馬爾科夫隨機(jī)場的凝膠電泳圖像分割技術(shù)研究.pdf
- 馬爾科夫隨機(jī)場在圖像分割方法中的應(yīng)用研究.pdf
- 基于馬爾科夫隨機(jī)場的路標(biāo)識別算法研究.pdf
- 基于馬爾科夫隨機(jī)場的立體匹配算法研究.pdf
- 基于馬爾可夫隨機(jī)場的SAR圖像分割算法研究.pdf
- 基于馬爾科夫隨機(jī)場的室內(nèi)無線定位算法研究.pdf
- 基于馬爾科夫隨機(jī)場和模糊集理論的場景分類算法研究.pdf
- 基于馬爾可夫隨機(jī)場和模糊聚類的圖像分割算法研究.pdf
- 基于馬爾科夫隨機(jī)場的圖像分割算法及其在變化檢測中的應(yīng)用研究.pdf
評論
0/150
提交評論