基于Mean Shift的高分辨率遥感图像分割研究

摘要

遥感技术的飞速发展带动了遥感数据获取技术的增强，从而使精度更高规模更大的遥感数据成为遥感领域里研究的主要对象，因此传统的遥感处理方法已经不适用于对当前的高分辨率大规模影像进行处理，需要提出针对性更强的算法技术。图像分割技术是遥感图像处理过程中关键的一步，它可以为后续图像分类、特征识别等图像处理技术提供便利，因此分割精度的好坏对最终的图像处理结果尤为重要。
　　本文以Mean Shift算法为基础，结合遥感图像的特点，对高分辨率遥感图像的分割技术进行研究，其主要的工作和成果如下：
　　1.介绍了Mean Shift算法的主要原理，包括算法的提出，算法关键部分的选择和特性等，进而介绍影像分割的基本流程，详细说明了关键流程中Mean Shift的处理和作用。
　　2.基于Mean Shift算法对高分辨率遥感图像在分割效率和分割精度的问题上进行优化改进，首先提出对大规模影像的并行分割优化算法，解决传统分割算法在面向大规模遥感影像处理时所存在的分割效率低、内存不足甚至无法分割的问题，同时一定程度上消除分块并行化中“分快线”的存在，提高分割精度，并将实验结果与eCognition软件的分割结果进行对比，证明本优化算法的有效性；其次对遥感图像分割过程中的合并流程所涉及到的距离度量进行研究，将传统的欧式距离由光谱匹配距离等更符合遥感数据特征的相似度量替换，在基于Mean Shift的高分辨率遥感图像平台中应用，得到相关实验结果，通过数据比较得出替换后的距离度量能更好地作用到遥感图像分割的结果中。
　　3.研究了Mean Shift遥感图像分割过程中相关带宽参数和尺度的设定对分割结果的影响，对不同的特征参数组合和不同的尺度分割方法分别进行实验分析，为得到更好的分割效果而设定恰当的遥感图像分割相关参数奠定基础。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景与意义

1.2Mean Shift遥感图像分割研究现状

1.3 论文所做工作

第2章Mean Shift遥感图像分割理论基础

2.1Mean Shift算法原理

2.2 遥感图像分割基本流程

2.3 本章小结

第3章基于Mean Shift的大规模遥感影像并行分割

3.1 大规模影像处理局限

3.2 影像分割并行化处理现状

3.3基于Mean Shift的分块并行化处理

3.4 本章小结

第4章Mean Shift遥感图像分割度量研究

4.1 度量方法介绍

4.2 光谱匹配相似度量

4.3 分割度量算法流程

4.4 实验与分析

4.5 本章小结

第5章Mean Shift分割的带宽和尺度参数分析

5.1 特征带宽参数

5.2 合并尺度参数

5.3 本章小结

第6章 总结与展望

6.1 主要研究内容

6.2 论文后续工作

参考文献

致谢

攻读学位期间的成果