【摘要】：開展遙感圖像分割的研究，對人們在遙感數(shù)據(jù)日益增長的需求處理方面有著十分重要的意義,而遙感圖像的復(fù)雜、多光譜多層次等特性使得遙感圖像的分割一直都是遙感圖像處理領(lǐng)域的重點(diǎn)難點(diǎn)課題.雖然隨著人們對圖像分割的研究已經(jīng)很廣泛且深入成熟，但是由于多方面的原因，圖像分割的應(yīng)用仍然具有很大的挑戰(zhàn),尤其是遙感圖像技術(shù)的發(fā)展更是任重而道遠(yuǎn)。 本論文針對K-means算法（K-均值聚類算法）、最大類間方差法和水平集算法各自的特點(diǎn)，主要提出了兩種遙感圖像分割模型，并對實(shí)驗(yàn)結(jié)果進(jìn)行了總結(jié)分析。本文的主要工作有： 1.介紹了圖像分割相關(guān)理論內(nèi)容，將現(xiàn)有圖像分割方法模型大致歸成了四大類，并對每一大類都進(jìn)行了較為系統(tǒng)的闡述，具體引出了本課題研究的目的與意義。 2.根據(jù)最大類間方差算法和K-means聚類算法各自的優(yōu)缺點(diǎn)，，提出了一種將最大類間方差法（Otsu）和K-means算法相結(jié)合的遙感圖像分割算法。大量的實(shí)驗(yàn)結(jié)果顯示，本文提出的算法不僅克服了經(jīng)典Otsu算法分割信息不完備的缺陷，增強(qiáng)了Otsu閾值分割算法的魯棒性，而且還是對K-均值聚類算法的一種較好的改進(jìn)，實(shí)現(xiàn)了分割速度和分割效果的雙重改善。 3.第二種模型是基于K-均值聚類算法與改進(jìn)的四相位水平集算法模型結(jié)合的新方法。相比于傳統(tǒng)的水平集模型，改進(jìn)模型在能量函數(shù)中考慮了圖像的面積信息、梯度信息和邊緣檢測能量。實(shí)驗(yàn)結(jié)果顯示相較于經(jīng)典水平集模型，本文提出的算法對于遙感圖像的分割在時(shí)間和精度上都有較好的效果。
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP751

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 王欣;基于機(jī)器視覺的棉花偽異性纖維識別研究[D];中國農(nóng)業(yè)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前1條

1 李亮亮;結(jié)合小波收縮去噪算法的遙感圖像分割[D];新疆大學(xué);2016年

本文編號：2567100