高分辨率遙感圖像分割中基元合并方法研究.pdf

1、隨著高分辨率遙感圖像的迅速發(fā)展，圖像中單個(gè)地物會(huì)以連片分布的多個(gè)像元的形式出現(xiàn)，每個(gè)像元僅代表地物的一小部分而不是全部，原始的基于像素的地物自動(dòng)分類技術(shù)難以滿足如今高分圖像處理的要求。因此，如何高效地提取高分辨率遙感圖像中的復(fù)雜地物信息成為高分圖像處理的關(guān)鍵。為了有效解決這一難題，就需要先將各個(gè)地物從圖像中分割開來(lái)再進(jìn)行分類。圖像分割是目標(biāo)信息提取中極為重要的第一步，分割結(jié)果的優(yōu)劣會(huì)對(duì)圖像信息提取產(chǎn)生直接影響。圖像分割一般包含兩個(gè)主要步

2、驟：首先對(duì)圖像進(jìn)行初始分割，產(chǎn)生眾多互不重疊的原始基元，再對(duì)原始基元進(jìn)行合并，生成最終的分割圖像。其中基元合并算法的研究和多尺度分割結(jié)果的獲取對(duì)于突破高分辨率遙感應(yīng)用的瓶頸具有重大的科研和經(jīng)濟(jì)意義。本文對(duì)高分遙感圖像分割技術(shù)中初始分割、基元合并等問題進(jìn)行深入研究，提出了多項(xiàng)算法優(yōu)化方法，設(shè)計(jì)了新的基元屬性表，有效提高了基元屬性表的計(jì)算、查詢、更新、壓縮等方面的效率。相關(guān)技術(shù)為開發(fā)有效的超大遙感圖像多尺度分割算法奠定了基礎(chǔ)。本文的主要研究

3、成果如下：
　?。?）在目前廣泛應(yīng)用的一種多尺度分割算法—分形網(wǎng)絡(luò)演化模型基礎(chǔ)上，對(duì)該算法進(jìn)行多項(xiàng)改進(jìn)，分別從矩陣定義方法、合并基元的光譜統(tǒng)計(jì)方法、合并基元的邊界搜索方式、合并基元的屬性更新等方面著手，得到一種改進(jìn)的基于最優(yōu)合并準(zhǔn)則的基元合并方法，對(duì)該方法設(shè)計(jì)了具體的算法流程和優(yōu)化手段并編程實(shí)現(xiàn)。
　?。?）采用MATLAB和C語(yǔ)言軟件混合編程開發(fā)的方式，將改進(jìn)的方法糅合到現(xiàn)有算法中。該算法具有遙感影像初始分割、基元合并、分

4、割結(jié)果統(tǒng)計(jì)與圖表輸出等功能，具有較好的適用性和穩(wěn)定性。
　?。?）設(shè)計(jì)實(shí)驗(yàn)。用本文提出的方法對(duì)多源遙感數(shù)據(jù)進(jìn)行處理，并與另外兩種較為成熟的分割方法—易康軟件中的分形網(wǎng)絡(luò)演化（FNEA）方法和 Kernel Graph Cuts方法進(jìn)行目視比較和定量評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明，本文提出的改進(jìn)的基于最優(yōu)合并準(zhǔn)則的基元合并方法（IOSM方法）在目視比較和定量評(píng)價(jià)上都要明顯優(yōu)于Kernel Graph Cuts方法；與易康軟件相比，分割精度也基本