结合区域和特征的遥感影像分割

摘要

针对高分辨率遥感影像分割中存在大量误分像素以及单一光谱测度无法表达蕴含的影像信息等问题，提出结合影像区域化和多种影像统计特征的分割方法。影像区域化指利用划分技术将影像域划分为若干子区域，并以子区域为处理单元;影像统计特征指以像素邻域为基础计算中心像素的均值、方差、能量、熵、对比度、相关性和逆差距等特征，并结合像素光谱测度构建像素特征矢量;然后，在此基础上，利用异质性势能函数和邻域关系势能函数共同定义全局势能函数，其中，异质性势能函数刻画了区域之间分布差异，而邻域关系势能函数描述的是邻域之间的相互作用，并利用非约束吉布斯表达式将全局势能函数转化为概率分布的形式，以此作为影像分割模型;最后，MH(Metropolis-Hastings)算法被用来采样上述概率分布，从而得到最优的影像分割结果。对不同类型的影像进行分割实验，并与基于像素和单一特征的算法对比，定性和定量结果均验证了提出算法的有效性。提出的结合区域和特征的遥感影像分割方法能够更加充分地利用影像信息，为具有复杂场景的影像分割提供了新的思路。

目录

声明

致谢

摘要

1 引言

1．1 研究的目的及意义

1．2 国内外研究现状

1．3 主要研究内容及技术路线

1．3．1 主要研究内容

1．3．2 技术路线

2 研究理论基础

2．1 影像统计特征

2．2 统计距离

2．2．1 K-S距离

2．2．2 KL距离

2．3 区域划分

2．3．1 Voronoi划分

2．3．2 规则划分

2．4 MH算法

3 结合区域和单一灰度特征的影像分割

3．1 区域化分割模型

3．1．1 影像域划分

3．1．2 区域化单一灰度特征影像分割模型

3．2 MH算法影像分割模型求解

3．2．2 基于规则划分的MH采样

3．3 实验与讨论

3．3．1 模拟影像分割实验

3．3．2 光学影像分割实验

3．3．3 SAR影像分割实验

4 结合区域和多特征的影像分割

4．1 多特征提取

4．2 区域化多特征分割模型

4．3 MH算法影像分割模型求解

4．3．2 基于规则划分的MH采样

4．4 实验与讨论

4．4．1 模拟影像分割实验

4．4．2 光学影像分割实验

4．4．3 SAR影像分割实验

5 结论与展望

5．1 结论

5．2 展望

参考文献

附录

作者简历

学位论文数据集