【摘要】：為了解決傳統(tǒng)聚類算法對聚類表征特征量的依賴性以及定義的不完備性,結合遙感圖像的數(shù)據(jù)的空間位置關系提出了一種結合多元信息聚類與空間約束的遙感圖像分割方法。針對某一聚類數(shù)據(jù),以若干數(shù)據(jù)點(多元)組合的方式遍歷其所有數(shù)據(jù)點,并定義多元組合的互信息,以表征該聚類的類內(nèi)相似性;通過計算類外像素對類內(nèi)多元組合的互信息,刻畫類間的非相似性。在此基礎上建立類內(nèi)相似性和類間差異性,然后結合兩者之間的平衡關系建立目標函數(shù),并將Potts模型擴展到目標函數(shù)以加入空間約束,最后通過最大化目標函數(shù)實現(xiàn)圖像分割。對模擬及真實全色遙感影像分割結果的定性、定量分析表明:結合多元信息聚類與空間約束的遙感影像分割方法可以避免聚類表征特征量的定義,從根本上消除其對圖像分割的影響,并充分考慮遙感數(shù)據(jù)的空間位置關系。
【圖文】：

文在算法實現(xiàn)中采用數(shù)據(jù)采樣方式構建多元組合，利用局部與整體互信息間特有的關系估算聚類內(nèi)或像素對聚類的相似性，從而簡化了計算量。通過對比可知，本文提出算法可以將各同質(zhì)區(qū)域較好的分割開，而且同質(zhì)區(qū)域內(nèi)噪聲很少，這是因為本文算法直接以聚類中全部數(shù)據(jù)為表征特征量，避免了聚類表征特征量的定義，而且涵蓋了聚類的全部特征，從而增強了圖像分割的穩(wěn)定性以及抗噪性。表1模擬圖像的高斯分布參數(shù)Tab．1Gaussiandistributionparameterforsimulatedimage同質(zhì)區(qū)域ⅠⅡⅢⅣⅤ均值2040110170210方差1020304050圖1模擬圖像的生成Fig．1Simulatedimages為了對提出算法進行定量評價，，根據(jù)圖1(a)所示的模擬圖像模板以及圖2(a1)～(a3)所示的分割結果，分別生成混淆矩陣，并根據(jù)此矩陣計算出用戶精度、產(chǎn)品精度、總精度以及Kappa系數(shù)，如表2。從表2可以看出，以多元相似性為基本測度的分割結果(圖2(a2)、圖2(a3))的各項精度指標大多數(shù)達到95%以上，總精度均大于95%，Kappa系數(shù)達到0．94以上，達到了優(yōu)質(zhì)分類器的指標。而以二元相似性為基本測度的分割結果其各項精度較低，并沒有將各同質(zhì)區(qū)域很好的分隔開，因此充分驗證了本文提出算法的有效性和準確性。圖2分割結果Fig．2Segmentationresult表2定量評價Tab．2Quantitativeevaluation方法精度指標同質(zhì)區(qū)域ⅠⅡⅢⅣⅤ本文算法(二元)用戶49．710099．855．4100產(chǎn)品1000．0399．699．883．0總體精度=63．5;K=0．54本文算法(三元)用戶99．983．699．699．598．3產(chǎn)品80．299．999．698．499．7總體精度=95．6;K=0．94本文算法(四元)用戶99．999．999．998．8100產(chǎn)品98．899．910010099．9總體精度=99．7;K=0．996753

圖2分割結果Fig．2Segmentationresult
【作者單位】： 遼寧工程技術大學測繪與地理科學學院遙感科學與應用研究所;
【基金】：國家自然科學基金青年基金(41301479);國家自然科學基金面上項目(41271435) 遼寧省自然科學基金(2015020190)
【分類號】：TP751

【相似文獻】

相關期刊論文 前10條

1 李偉;;遙感圖像中的道路提取[J];自動化博覽;2006年05期

2 李傳龍;李穎;馬龍;;一種新的遙感圖像海岸線檢測方法[J];計算機仿真;2010年08期

3 張學良;肖鵬峰;馮學智;;基于圖像內(nèi)容層次表征的遙感圖像分割方法[J];中國圖象圖形學報;2012年01期

4 秦其明;遙感圖像自動解譯面臨的問題與解決的途徑[J];測繪科學;2000年02期

5 陳小琪;現(xiàn)代計算機印前制版技術在遙感圖像印制中的應用研究——以《長江經(jīng)濟帶可持續(xù)發(fā)展地圖集》為例[J];地球信息科學;2000年02期

6 鄧湘金,彭海良;一種基于遙感圖像的機場檢測方法[J];測試技術學報;2002年02期

7 余杰千,方濤,陳雍業(yè);一種有效的遙感圖像無縫分割方法[J];計算機應用;2003年12期

8 吳為祿;遙感圖像中的云層消除處理[J];鐵路航測;2003年01期

9 于輝,徐軍;彩色遙感圖像目標提取方法研究[J];遙感技術與應用;2003年06期

10 黃勇杰,王樹國,劉俊義,陳東;遙感圖像去云算法研究[J];儀器儀表學報;2003年S2期

相關會議論文 前10條

1 張鳳春;董增壽;劉明君;;基于局部方差均衡的遙感圖像增強方法[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

2 鄧冰;林宗堅;彭曉東;;遙感圖像信息度量的原理與方法[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

3 江興方;江鴻;何賢強;;遙感圖像兩種半自動拼接方法的研究[A];全國農(nóng)業(yè)遙感技術研討會論文集[C];2009年

4 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢的研究與實踐[A];第十三屆全國遙感技術學術交流會論文摘要集[C];2001年

5 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動鑲嵌技術[A];圖像 仿真 信息技術——第二屆聯(lián)合學術會議論文集[C];2002年

6 黃勇杰;王樹國;劉俊義;陳東;;遙感圖像去云算法研究[A];首屆信息獲取與處理學術會議論文集[C];2003年

7 謝建春;趙榮椿;;遙感圖像中的軍用機場識別算法研究[A];信號與信息處理技術第三屆信號與信息處理全國聯(lián)合學術會議論文集[C];2004年

8 陳姚;王金亮;李石華;;遙感圖像中云層遮擋影響消除處理方法研究述評[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

9 張磊;朱磊;;遙感圖像中直線目標的檢測[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

10 邱磊;李國輝;衡祥安;;一種基于交互學習的遙感圖像挖掘方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

相關重要報紙文章 前1條

1 蔣建科邋孫宏金 陳樹琛;傳回清晰遙感圖像[N];人民日報;2008年

相關博士學位論文 前10條

1 祁友杰;基于SoC技術的遙感圖像快速匹配方法研究[D];東南大學;2016年

2 江興方;遙感圖像去云方法的研究及其應用[D];南京理工大學;2007年

3 滕鑫鵬;遙感圖像道路提取研究[D];江蘇大學;2014年

4 劉春紅;超光譜遙感圖像降維及分類方法研究[D];哈爾濱工程大學;2005年

5 劉哲;基于信息融合的遙感圖像處理方法研究[D];西北工業(yè)大學;2002年

6 強贊霞;遙感圖像的融合及應用[D];華中科技大學;2005年

7 杜根遠;海量遙感圖像內(nèi)容檢索關鍵技術研究[D];成都理工大學;2011年

8 陶午沙;基于結構模型的遙感圖像軍事陣地目標特征分析及其識別技術研究[D];國防科學技術大學;2004年

9 林劍;基于模糊理論的遙感圖像分割方法研究[D];中南大學;2003年

10 薛麗霞;基于對象云的遙感圖像模糊邊緣檢測研究[D];西南交通大學;2007年

相關碩士學位論文 前10條

1 邱磊;基于內(nèi)容的遙感圖像挖掘方法研究[D];國防科學技術大學;2005年

2 王靜靜;基于NSCT和Shearlet變換的遙感圖像增強研究[D];新疆大學;2014年

3 柴宏磊;基于知識的遙感圖像港口目標識別[D];電子科技大學;2015年

4 馮一鳴;基于遙感圖像中港口目標的分割算法研究與實現(xiàn)[D];西安電子科技大學;2014年

5 吳云坤;遙感圖像變化檢測技術研究[D];國防科學技術大學;2013年

6 王旭;無參考遙感圖像質(zhì)量綜合評價算法研究[D];西安電子科技大學;2015年

7 張少輝;基于刃邊法的遙感圖像重建方法研究[D];西安電子科技大學;2014年

8 王子維;無人機遙感圖像的拼接技術研究[D];東北石油大學;2015年

9 曹敏潔;遙感圖像厚云及其陰影去除技術研究[D];廣西師范大學;2015年

10 錢葉青;不同時相遙感圖像配準技術的研究[D];集美大學;2015年

本文編號：2551382