本文選題：高分辨率遙感影像　切入點(diǎn)：高斯混合模型　出處：《電子與信息學(xué)報(bào)》2017年05期 　論文類型：期刊論文

【摘要】：為了解決高分辨率遙感影像中相同地物目標(biāo)異質(zhì)性和空間破碎性增大及不同地物目標(biāo)的相似性增強(qiáng)所帶來的分割新問題,該文提出一種融入空間關(guān)系的高斯混合模型(GMM)高分辨遙感影像監(jiān)督分割方法。該方法首先按分割區(qū)域進(jìn)行監(jiān)督采樣,并通過最小二乘法進(jìn)行直方圖擬合,對(duì)影像中的每個(gè)類別區(qū)域建立GMM用來精確表征高分辨遙感影像每個(gè)分割區(qū)域復(fù)雜的地物光譜特征;然后在GMM的概率測(cè)度域融入空間關(guān)系,使每個(gè)像素的區(qū)域所屬由該像素鄰域窗口內(nèi)所有像素概率測(cè)度共同決定,以刻畫高分辨率遙感影像中像素間的空間相關(guān)性;最后按照最大概率測(cè)度原則完成對(duì)高分辨率遙感影像的分割。為了驗(yàn)證文中算法的可行性與有效性分別對(duì)合成影像及真實(shí)高分辨率遙感影像進(jìn)行分割實(shí)驗(yàn),并和經(jīng)典的FCM方法及HMRF-FCM方法進(jìn)行對(duì)比,定量與定性的結(jié)果證明了文中方法能夠提高分割精度。
[Abstract]:In order to solve the new problem of segmentation caused by the increase of heterogeneity and spatial fragmentation of the same ground objects and the enhancement of similarity of different objects in high-resolution remote sensing images, In this paper, a supervised segmentation method of high resolution remote sensing image based on Gao Si mixed model GMMs is proposed. The supervised sampling is carried out according to the segmentation area, and histogram fitting is carried out by least square method. For each region of the image, GMM is established to accurately represent the complex spectral features of each segmented region of the high-resolution remote sensing image, and then the spatial relationship is incorporated into the probability measure domain of the GMM. The region ownership of each pixel is determined by all pixel probability measures in the pixel neighborhood window to describe the spatial correlation among pixels in the high-resolution remote sensing image. Finally, according to the principle of maximum probability measure, the segmentation of high-resolution remote sensing images is completed. In order to verify the feasibility and validity of the proposed algorithm, experiments are carried out on synthetic images and real high-resolution remote sensing images, respectively. Compared with the classical FCM method and HMRF-FCM method, the quantitative and qualitative results show that the proposed method can improve the segmentation accuracy.
【作者單位】： 遼寧工程技術(shù)大學(xué)礦業(yè)技術(shù)學(xué)院;遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院;阜新市國土資源局;
【基金】：遼寧省教育廳一般項(xiàng)目(LJYL036,LJYL012) 教育部高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(20122121110007)~~
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 滿旺;;高分辨率遙感鈾礦地質(zhì)勘查技術(shù)體系研究[J];廈門理工學(xué)院學(xué)報(bào);2009年03期

2 武紅宇;方毅;;基于形態(tài)學(xué)的高分辨率遙感影像道路自動(dòng)提取[J];科技視界;2012年18期

3 顧鈺培;肖蘭玲;凌婷婷;達(dá)利春;;一種基于高分辨率遙感影像的建筑物提取方法[J];測(cè)繪與空間地理信息;2014年04期

4 趙書河;;高分辨率遙感數(shù)據(jù)處理方法實(shí)驗(yàn)研究[J];地學(xué)前緣;2006年03期

5 謝謙禮;程承旗;馬廷;;一種基于高分辨率遙感影像的道路提取方法[J];計(jì)算機(jī)工程與應(yīng)用;2006年17期

6 羅軍;潘瑜春;王紀(jì)華;陸洲;曹榮龍;閻廣建;;基于高分辨率遙感影像的設(shè)施農(nóng)業(yè)資源信息采集技術(shù)研究[J];地理與地理信息科學(xué);2007年03期

7 邵蕓;郭華東;范湘濤;王爾和;朱博勤;馬建文;張風(fēng)麗;;奧運(yùn)主場(chǎng)館區(qū)工程環(huán)境高分辨率遙感監(jiān)測(cè)與虛擬仿真研究[J];遙感學(xué)報(bào);2008年04期

8 邵蕓;;奧運(yùn)主場(chǎng)館區(qū)高分辨率遙感監(jiān)測(cè)與虛擬仿真[J];高科技與產(chǎn)業(yè)化;2008年09期

9 陳世榮;馬海建;范一大;徐豐;連健;;基于高分辨率遙感影像的汶川地震道路損毀評(píng)估[J];遙感學(xué)報(bào);2008年06期

10 韓春峰;米曉飛;;基于高分辨率遙感影像的人口信息的提取綜述[J];科技資訊;2010年04期

相關(guān)會(huì)議論文 前10條

1 李艷芳;王生;;高分辨率遙感影像在公安行業(yè)的應(yīng)用分析[A];第十七屆中國遙感大會(huì)摘要集[C];2010年

2 張劍清;鄭順義;張勇;張宏偉;李治江;;高分辨率遙感影像的精糾正[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

3 馬力;;基于高分辨率遙感影像的導(dǎo)航數(shù)據(jù)更新研究[A];中國地理信息系統(tǒng)協(xié)會(huì)第四次會(huì)員代表大會(huì)暨第十一屆年會(huì)論文集[C];2007年

4 陳君穎;田慶久;;高分辨率遙感植被分類模式研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

5 溫小歡;林廣發(fā);陳明華;陳友飛;;基于高分辨率遙感影像獨(dú)立樹冠提取方法之比較[A];中國地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

6 劉明眾;張景發(fā);;高分辨率遙感影像道路震害快速提取研究[A];中國地震學(xué)會(huì)空間對(duì)地觀測(cè)專業(yè)委員會(huì)2012年學(xué)術(shù)研討會(huì)論文摘要集[C];2012年

7 王萍;李新芝;;基于高分辨率遙感數(shù)據(jù)的建筑物邊緣檢測(cè)方法探討[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

8 程新文;吳中忠;王子煜;陳秀萬;;基于紋理梯度的高分辨率遙感影像分割[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

9 高常鑫;桑農(nóng);;基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)[A];第二屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2013年

10 廖圣東;;高分辨率遙感影像在城市三維景觀建立中的應(yīng)用[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

相關(guān)博士學(xué)位論文 前8條

1 沈小樂;視覺注意機(jī)制下面向?qū)ο蟾叻直媛蔬b感影像建筑物提取[D];武漢大學(xué);2014年

2 李榮亞;雙態(tài)云支持下高分辨率遙感存儲(chǔ)與計(jì)算一體化研究[D];浙江大學(xué);2014年

3 陶超;高分辨率遙感影像中的城區(qū)與建筑物檢測(cè)方法研究[D];華中科技大學(xué);2012年

4 陳杰;高分辨率遙感影像面向?qū)ο蠓诸惙椒ㄑ芯縖D];中南大學(xué);2010年

5 張道兵;高分辨率遙感影像中交互式道路提取算法研究[D];中國科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2007年

6 陳曦;特征選擇準(zhǔn)則間的關(guān)聯(lián)及高分辨率遙感影像類別不平衡問題研究[D];上海交通大學(xué);2011年

7 靳華中;譜圖理論支持下的高分辨率遙感影像多尺度分割研究[D];武漢大學(xué);2011年

8 肖龍龍;面向高分辨率遙感光學(xué)成像的壓縮感知理論及方法研究[D];國防科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 李建飛;高分辨率遙感影像中的道路信息提取與表達(dá)方法研究[D];湖南工業(yè)大學(xué);2015年

2 程臻;面向?qū)ο蟮母叻直媛蔬b感影像全要素分類研究[D];哈爾濱工業(yè)大學(xué);2015年

3 張瑩瑩;高分辨率遙感影像中典型道路提取方法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 黃雪青;基于高分辨率遙感影像的信息提取[D];重慶大學(xué);2008年

5 田正杰;高分辨率遙感影像道路分割與提取算法研究[D];西安科技大學(xué);2009年

6 施蓓琦;高分辨率遙感影像的幾何精糾正及其精度度量[D];上海師范大學(xué);2006年

7 申真;基于面向?qū)ο蟮母叻直媛蔬b感影像道路提取研究[D];江西理工大學(xué);2012年

8 程家聰;面向?qū)ο蟮母叻直媛蔬b感信息提取技術(shù)研究[D];華中科技大學(xué);2013年

9 楊文亮;單景高分辨率遙感影像薄云去除研究[D];中南大學(xué);2011年

10 王雙;高分辨率遙感影像道路提取方法研究[D];南京理工大學(xué);2014年

，

本文編號(hào)：1590482