基于纹理的高分辨率遥感图像水陆分离算法

摘要

随着高分辨率遥感图像成像技术的发展，基于高分辨遥感图像进行信息提取和目标识别已经成为了研究的热点，水陆分离在近海监测、泊港舰船目标识别中具有特别重要的意义。纹理是图像的一个重要特性，纹理不但表现了图像的灰度统计信息以及灰度的空间分布信息，还表现了图像的局部细节信息，因此纹理是区分遥感图像中水域与陆地的一种显著性特征。
　　通过分析了大量的港口区域高分辨率遥感图像发现了这样一个事实，即水面背景的纹理特征比较平滑，而陆地背景的纹理特征变化比较大。由此提出了一种基于纹理特征的遥感图像水陆分离方法。
　　首先，介绍了几种提取图像纹理特征的方法，然后对它们的效果进行分析，最终选取性能好的方法来进行分类特征的提取。
　　然后，人工标注水面背景图像和陆地背景图像作为训练样本，并分别提取它们的纹理特征训练一个基于支持向量机的纹理特征水陆分类器。对于待分类遥感图像，先将它分割为子块，然后利用构建好的分类器对待分类图像的每一个子块进行水域与陆地类别的判定，将分类结果标记出来作为图像粗分割的结果。
　　最后，使用二值图像连通区域滤波的方法对图像粗分割的结果进行优化，去除粗分割结果中的误判区域。将图像粗分割的结果二值化后进行连通区域标记，选择一个连通区域面积阈值，去除面积小于阈值的连通区域，进而实现整幅遥感图像的水陆分离。为了更精确的分离图像的水陆边界区域，将边界区域分割为更小的图像子块再次使用纹理特征分类器的方法进行分类，将分类结果作为最终的水陆分离结果。
　　在水陆分离的基础上，进一步提出了一种港口遥感图像中目标粗检测的方法。对于离岸目标利用图像水陆分离结果采用连通区域滤波的方法进行粗检测，对于靠岸目标则以靠岸目标图像纹理特征以及非目标图像纹理特征为训练样本构建新的纹理分类器，将待检测的图像区域分割为更小的图像子块然后逐个进行类别判定，最终实现靠岸目标的粗检测。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景

1.2 发展现状

1.3 研究内容与组织结构

2 图像纹理特征提取

2.1 MR8滤波器组纹理特征

2.2 Gabor滤波器纹理特征

2.3 灰度共生矩阵纹理特征

2.4 纹理特征提取方法比较

2.5 本章小结

3 图像水陆分离

3.1 实验数据介绍

3.2 提取MR8纹理特征

3.3 SVM纹理分类器构建

3.4 图像粗分割

3.5 图像连通区域滤波

3.6 本章小结

4 目标粗检测及水陆边界细化

4.1 疑似离岸目标标记

4.2 水陆边界细化

4.3 疑似靠岸目标标记

4.4 本章小结

5 实验结果及分析

5.1 实验算法流程

5.2 实验结果分析

5.3 本章小结

6 总结与展望

6.1 论文的主要研究内容

6.2 需要进一步研究的内容

致谢

参考文献