近年來,隨著國內(nèi)外高空間分辨率遙感衛(wèi)星的成功發(fā)射,對地觀測數(shù)據(jù)的分辨率也越來越高.但近階段我國對遙感影像數(shù)據(jù)處理的能力對于滿足國家發(fā)展高分辨率遙感系統(tǒng)的迫切需求來講還有待加強(qiáng).于是,對于高分辨率遙感數(shù)據(jù)的分析和處理成為目前遙感領(lǐng)域研究的重要科學(xué)問題.分割作為該應(yīng)用領(lǐng)域中最重要和最具有挑戰(zhàn)性的問題.而針對海量遙感影像數(shù)據(jù)的分割而言,通過基于統(tǒng)計概率的方法備受關(guān)注.其中,馬爾科夫隨機(jī)場（Markov Random Field,MRF）方法應(yīng)用較為廣泛.但是,目前現(xiàn)有的基于MRF的方法也存在一些待改進(jìn)的地方:（1）像素級的特征提取方法中由于像素的鄰域范圍相對較小,分割結(jié)果失去了重要的細(xì)節(jié)特征并且產(chǎn)生了大量的碎片.因此,在分割過程中經(jīng)常發(fā)生誤分.（2）對象級的特征提取方法中的MRF模型的初始分割的不準(zhǔn)確性和上下文關(guān)系的不規(guī)則限制了分割精度.針對上述問題,本文主要做了以下研究工作:提出了對于遙感影像分割的交替迭代的馬爾科夫方法（Alternating iterative Markovmethod for remote sensing image segmentation,AIMRF）,使得模型可... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－丨圖像分割定義的圖解??．上述可觀出，記．

與像素級特征提取的ＭＲＦ模型不同的是：對于一幅圖像，基于對象級特征提取的??ＭＲＦ模型首先使用基本的無監(jiān)督分割算法Ｍｅａｎ－Ｓｈｉｆｔ算法對圖像進(jìn)行初始分割，從而將??圖像劃分為初始分割區(qū)域集．如圖３－２所示，用ｎ表示過分割后形成的區(qū)域?qū)ο螅??及＝化丨１＾＾｝，其中ｋ為過分割區(qū)域的個數(shù)？接下來就可以定義區(qū)域臨接圖（ＲＡＧ）??Ｇ?＝?（ｒ，￡），其中Ｆ?＝?｛Ｈ…，〇是位置集合，每個＼代表了對應(yīng)的過分割區(qū)域？；，??￡?＝?（６）是邊集，如果區(qū)域。和廠相鄰．我們定義為這兩個區(qū)域共享的邊的長度為??＿??圖３－２對象級特征提取模型概率圖??３．２．２像素級特征提取子模型的建立??（１）像素級特征提取子模型的建立??假定影像數(shù)據(jù)的觀測值為；；＝｛乃，乃，一，兄，｝，其中的任意一個像素點(diǎn)；；，＿在設(shè)定好分??類標(biāo)記Ｘ的情況下都是彼此相互獨(dú)立的，而在位置／處的觀測值％相對于分類標(biāo)記Ｘ的??條件分布僅僅只和位置／處標(biāo)記Ｘ的取值相關(guān)，那么下式成立：??２２??

?其中７Ｖ，包含了位置Ｖ（的周邊??８個元素??圖３－１像素級特征提取模型概率圖??（２）對象級特征提取模型概率圖的建立??與像素級特征提取的ＭＲＦ模型不同的是：對于一幅圖像，基于對象級特征提取的??ＭＲＦ模型首先使用基本的無監(jiān)督分割算法Ｍｅａｎ－Ｓｈｉｆｔ算法對圖像進(jìn)行初始分割，從而將??圖像劃分為初始分割區(qū)域集．如圖３－２所示，用ｎ表示過分割后形成的區(qū)域?qū)ο螅??及＝化丨１＾＾｝，其中ｋ為過分割區(qū)域的個數(shù)？接下來就可以定義區(qū)域臨接圖（ＲＡＧ）??Ｇ?＝?（ｒ，￡），其中Ｆ?＝?｛Ｈ…，〇是位置集合，每個＼代表了對應(yīng)的過分割區(qū)域？；，??￡?＝?（６）是邊集，如果區(qū)域。和廠相鄰．我們定義為這兩個區(qū)域共享的邊的長度為??＿??圖３－２對象級特征提取模型概率圖??３．２．２像素級特征提取子模型的建立??（１）像素級特征提取子模型的建立??假定影像數(shù)據(jù)的觀測值為；；＝｛乃，乃，一，兄，｝，其中的任意一個像素點(diǎn)；；，＿在設(shè)定好分??類標(biāo)記Ｘ的情況下都是彼此相互獨(dú)立的

【參考文獻(xiàn)】：
期刊論文
[1]面向?qū)ο蟮倪b感影像信息提取研究[J]. 劉小鵬,竇關(guān)新,趙寶軍,韓叢波.  北京測繪. 2016(02)
[2]基于Fisher準(zhǔn)則的多閾值圖像分割方法[J]. 溫淑煥,唐英干.  激光與紅外. 2008(07)



本文編號：2908151